典型文献
基于FFRLS-AEKF的6轮足机器人电池SOC估计
文献摘要：
针对6轮足机器人动力电池的荷电状态(state of charge,SOC)估计精度低、电池模型准确度不高等问题,提出一种基于带遗忘因子的递推最小二乘(recursive least squares with forgetting factor,FFRLS)与自适应扩展卡尔曼滤波(adaptive extended Kalman filtering,AEKF)相结合的估计算法.首先通过FFRLS算法辨识建立动力电池等效模型参数;然后利用AEKF对SOC在线估计,并为参数辨识提供准确的开路电压;最后以机器人锂电池包为对象,在动态应力测试工况(dynamic stress test,DST)下实验验证了该算法可以准确地估算动力电池SOC,SOC估计相对误差在2.5％以内.
文献关键词：
6轮足机器人;荷电状态;递推最小二乘;自适应卡尔曼滤波
中图分类号：
作者姓名：
汪首坤;鲁帅;陈志华;刘道和;岳巍
作者机构：
北京理工大学复杂系统智能控制与决策国家重点实验室,北京 100081;北京理工大学伺服运动系统驱动与控制工信部重点实验室,北京 100081;北京新能源汽车股份有限公司工程研究院试验中心,北京 100176
文献出处：
引用格式：
[1]汪首坤;鲁帅;陈志华;刘道和;岳巍-.基于FFRLS-AEKF的6轮足机器人电池SOC估计)[J].北京理工大学学报,2022(03):271-278
A类：
B类：
FFRLS,AEKF,SOC,动力电池,荷电状态,state,charge,估计精度,电池模型,遗忘因子,递推最小二乘,recursive,least,squares,forgetting,自适应扩展卡尔曼滤波,adaptive,extended,Kalman,filtering,估计算法,等效模型,在线估计,参数辨识,开路电压,锂电池包,动态应力,应力测试,测试工况,dynamic,stress,test,DST,自适应卡尔曼滤波
AB值：
0.43859
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。
