典型文献
基于遗忘递推最小二乘与自适应无迹卡尔曼滤波的锂电池SOC估计
文献摘要：
针对无迹卡尔曼滤波(UKF)在噪声不确定及工况复杂情况下锂电池荷电状态(SoC)估计精度低的问题,提出基于自适应无迹卡尔曼滤波(AUKF)的估计方法.建立了基于二阶RC等效电路模型的锂电池状态方程,采用遗忘递推最小二乘(FFRLS)参数辨识方法,将Sage-Husa自适应滤波算法与UKF相结合对系统噪声协方差进行实时更新.仿真结果表明:在美国城市循环(UDDS)工况下UKF算法最大相对误差为4.90％,均方根误差为0.003 3,改进的AUKF算法最大相对误差为3.28％,均方根误差为0.002 0,相比于UKF算法,AUKF算法具有更高的精度和更好的稳定性.
文献关键词：
锂电池;荷电状态;等效电路模型;无迹卡尔曼滤波
中图分类号：
作者姓名：
刘鹏;李云伍;梁新成
作者机构：
西南大学,重庆400715
文献出处：
引用格式：
[1]刘鹏;李云伍;梁新成-.基于遗忘递推最小二乘与自适应无迹卡尔曼滤波的锂电池SOC估计)[J].汽车技术,2022(02):21-27
A类：
B类：
遗忘,递推最小二乘,无迹卡尔曼滤波,锂电池,SOC,复杂情况,电池荷电状态,SoC,估计精度,AUKF,估计方法,RC,等效电路模型,电池状态,状态方程,FFRLS,参数辨识方法,Sage,Husa,自适应滤波算法,系统噪声,协方差,实时更新,UDDS
AB值：
0.289553
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
