基于多模型自适应卡尔曼滤波器的电动汽车电池荷电状态估计
基于电池的戴维宁(Thevenin)模型,设计了多模型自适应卡尔曼滤波器,并将多模型自适应卡尔曼滤波器应用于电动汽车电池荷电状态(state-of-charge,SOC)估计.由于老化电池是未知系统,利用传统的单一模型卡尔曼滤波器估计老化电池SOC时,因模型不准确而使估计误差增大.与单一模型滤波估计相比,多模型滤波估计融合了电池的各种老化信息,适合于未知系统的状态估计,从而提高了SOC的估计精度,并通过实验证明了上述结论的正确性.利用多模型自适应卡尔曼滤波器估计电池SOC,老化电池的模型与权值最大的单一模型较接近,根据单一模型权值可以近似估计出老化电池的健康状态(state of health,SOH),并通过电池容量测量,证明了SOH估计的正确性.
电动汽车、荷电状态、健康状态、多模型自适应卡尔曼滤波器
32
U463(汽车工程)
国家863高技术基金项目2008AA11A145,2011AA11A279
2013-01-04(万方平台首次上网日期,不代表论文的发表时间)
共9页
19-26,前插3