基于等效模型扩展卡尔曼滤波锂电池SOC估算

电池管理系统(BMS)的主要任务是对电池荷电状态(SOC)、续航里程和防止电池过充过放等进行实时诊断,其中电池荷电状态的快速精确的估计是BMS的核心技术。基于锂电池这一动态非线性系统,提出了一种更接近于真实的、改进的PNGV电池等效模型;基于改进的PNGV电池等效模型,对比了卡尔曼滤波算法(KF)和扩展卡尔曼滤波算法(EKF)诊断电池荷电状态的实验结果;分析了扩展卡尔曼滤波算法诊断的实验误差。研究表明:采用扩展卡尔曼滤波算法对电池荷电状态进行诊断得到的结果更加精确,其误差能够一直保持在5%以内。     

基于ABP-EKF算法的锂电池SOC估计

电池荷电状态(state of charge,SOC)的准确估计是电动汽车合理实施电池管理的前提条件和重要依据.针对目前电动汽车对动力电池SOC估计精度的不断提高这一问题,利用联合估计法对锂电池SOC进行研究.基于Thevenin电池模型与修正的安时积分算法,推导出了锂电池的输出方程以及状态空间模型,通过采集实验过程中的相关数据并应用递推最小二乘法对电池模型参数作出辨识.分析了扩展卡尔曼滤波(EKF)算法以及自适应BP神经网络算法的原理,联合两种算法并在此基础上提出了自适应BP-EKF算法(ABP-EKF).运用所提出的算法对锂离子电池SOC进行联合估计,最后通过对比ABP-EKF与EKF两种算法估计锂电池SOC的数据,研究结果表明:所提出ABP-EKF算法相比于EKF算法在均值误差项与均方根误差项分别减少了3.9％和3.79％.     

基于六参数RC等效电路模型的锂离子电池SOC估计

为提高电动车锂离子动力电池荷电状态(SOC)的估算精度,提出了一种基于六参数RC等效电路的电池模型,采用扩展卡尔曼滤波开展对电池SOC的估算方法研究。在考虑未知干扰和环境噪声的影响下,进一步提出了在扩展卡尔曼滤波的基础上的自适应卡尔曼滤波算法,并开展了对电池SOC的在线估算。仿真结果表明:虽然扩展卡尔曼滤波和自适应卡尔曼滤波都对电池SOC有较好的估算精度,但在未知干扰和噪声的影响下自适应卡尔曼滤波具有更好的鲁棒性。     

基于多Agent的锂电池主动均衡策略控制仿真研究

【目的】针对锂电池的荷电状态均衡管理问题,提出一种基于多智能体的电池组荷电状态一致性均衡方案。【方法】首先,将多智能体控制策略引入电池管理的下垂控制中,实现了主动均衡电路拓扑下的自主均衡;其次,建立领航跟随者模型,利用参数已知的虚拟智能体使各个荷电状态不一致的电池的状态向其靠近,实现充放电模式下的荷电状态均衡;最后,对二阶多智能体荷电状态均衡控制策略进行仿真验证。【结果】实验结果表明,相比一阶均衡控制策略,自主均衡时间减少了43.02%,充电模式中均衡时间减少了16.13%,放电模式中均衡时间降低了32.90%。【结论】多智能体系统在电池的均衡管理中能够实现荷电状态的均衡,有效地降低了锂电池荷电状态到达一致性的收敛时间。     

基于LSTM的电池组工作状态预测

运用长短期记忆神经网络（LSTM）对电池的电压、电流、荷电状态（SOC）进行预测。考虑驾驶行为对电池组工作状态的影响,确定了含加速度、车速、电压、电流、SOC在内的多参数LSTM模型;根据中国亿维新能源车辆云平台数据,采用Adam优化算法完成对LSTM模型的训练、测试与预测。结果表明：多参数LSTM模型可有效预测电池的SOC和电压变化状态,电流均方误差由14.848%降到3.192%。     

人工免疫粒子滤波算法估计电动汽车电池SOC

准确预测电池的荷电状态（SOC）对纯电动汽车的安全可靠的运行具有重要意义.标准的粒子滤波算法对锂离子动力电池的非线性特征有一定的适应性,能够对电池的 SOC做出估计.但是在标准粒子滤波运算过程中普遍存在粒子退化现象,导致算法效率和预测精度降低.因此,本文提出一种新的人工免疫粒子滤波算法,将人工免疫算法的原理引入标准粒子滤波算法的粒子更新过程中,对锂离子动力电池SOC的估计进行优化,以提高SOC估计的准确性.利用北京市实际运营的纯电动汽车电池数据,对所提出的电池SOC算法进行实证研究.实验结果表明,相对于标准粒子滤波算法,人工免疫粒子滤波算法能够增加粒子的多样性,具有更好的SOC预测精度和有效性.     

基于安时法的磷酸铁锂电池荷电状态校正

针对安时法估算磷酸铁锂电池荷电状态面临的校正问题,根据开路电压的回稳过程提出开路回升电压法对电池的荷电状态进行补充校正。通过试验确定温度校正因子和电流校正因子,用当量回升电压来补充校正磷酸铁锂电池的荷电状态,克服单纯的开路电压法校正磷酸铁锂电池荷电状态的不足,增加对磷酸铁锂电池荷电状态进行准确校正的可能性。从总体上提高磷酸铁锂电池荷电状态的估算精度,为电池管理系统的控制策略提供理论依据。     

基于卡尔曼滤波的交叉口排队长度实时估计模型

为解决现有排队长度估计方法不能对排队长度进行实时秒级估计的问题，本文采用车联网实时数据，构建基于卡尔曼滤波的实时排队长度估计模型。首先，以当前时刻加入和离开排队队列的车辆数为输入变量构建状态转移方程，以当前排队网联车的数量和渗透率构建观测方程；其次，采用回归模型估计状态转移方程和观测方程的噪声协方差矩阵；然后，提出基于卡尔曼滤波方法估计排队长度的流程算法和模型性能评价指标；最后，基于实际数据构建仿真环境验证模型的有效性。结果表明：当网联车渗透率为30％时，平均绝对误差(MAE)，平均绝对百分比误差 (MAPE)和均方根误差(RMSE)的平均值分别为1.6辆，20.9％和2.5辆；当渗透率大于20%时，与基准方法相比，本文模型估计效果更优。     

联合动力学与运动学的汽车状态估计

为了准确估计汽车的横向速度,利用七自由度汽车动力学模型、汽车运动学方程和Duoff非线性轮胎模型,建立包含噪声统计特性的汽车离散化动力学和运动学方程,提出2种方程联合的汽车状态联合估计算法。基于球面单形径向容积卡尔曼滤波(spherical simplex-radial cubature kalman filter,SSRCKF)和汽车动力学方程估计汽车的纵向速度和横向速度,以该纵向速度为量测输入,用容积卡尔曼滤波(cubature kalman filter,CKF)和运动学方程更精确地估计汽车的横向速度。利用CarSim及MATLAB/Simulink建立估计算法模型,并验证联合估计算法的有效性。该联合估计算法在双移线工况中横向速度的估计精度较SSRCKF提高了4.73%。     

基于动态规划算法的增程式电动汽车能量管理策略优化

提出了一种动态规划改进算法, 根据约束条件确定未来可达状态序列, 通过计算离散状态点间的转移代价, 在保证求解精度的同时, 降低了离线优化计算量; 利用改进动态规划算法设计了增程式电动汽车能量管理策略, 根据能量管理优化问题特点, 建立了动力系统模型和适用于全局优化求解的系统状态方程, 并确定了以动力电池荷电状态为系统状态量和增程器发电功率为系统控制量; 在迭代计算过程中, 将发动机燃油费用和动力电池电能费用之和作为目标函数, 构建了基于北京主干道不同行驶里程仿真工况, 得到了驱动电机需求功率最优分配结果; 提取了增程器启停状态与动力电池荷电状态和驱动电机需求功率二者之间的控制规则, 利用最小二乘法对增程器功率分流比与驱动电机需求功率的分布规律进行拟合, 建立了基于优化规则的能量管理策略。仿真结果表明: 对于行驶里程为100km的仿真工况, 动态规划改进算法计算时间为7 239s, 与经典动态规划算法相比计算效率提高了78.2%;基于优化规则的能量管理策略能够获得类似动态规划改进算法的控制效果, 2种控制策略的动力电池荷电状态误差小于2.5%;相比实车电能消耗-电能维持型控制策略, 基于优化规则的控制策略能够使整车经济性提高5.4%, 使燃油经济性提高7.9%。      

车联网环境下公交路径交通状态估计方法研究

传统感应线圈的交通状态估计方法已无法满足准确性和实时性的状态估计需要,为此提出了基于联网公交车辆实时速度的交通状态估计模型。所提模型借助实时信息采集系统的高效性和准确性的优势,对道路交通运行状态进行估计,同时利用卡尔曼滤波算法对交通状态变量进行更新。基于历史观测数据对更新后的交通状态变量进行修正,进而得到交通状态的估计值。通过采集数据并进行大量的实验,研究结果表明：基于联网公交实时速度的状态估计模型,在各种交通环境条件和占有率下,估计值误差指数（变异系数） 均小于15%,最大仅为13.15%;状态估计修正模型与状态估计模型相比,估计值误差指数下降了2%,总体误差优化性能提升了11.87%。在确保实时性和高效性的同时,基于联网公交车辆实时速度的交通状态估计模型解决了传统道路交通状态估计方法准确性低的问题。     

多采样率卡尔曼滤波器在汽车状态估计中的应用

为了改善复杂系统中单采样率控制策略的控制品质,在深入研究多采样率数字控制系统和卡尔曼滤波算法的基础上,提出了输入多采样率的卡尔曼滤波算法.将该算法应用于汽车主动前轮转向系统中,对横摆角速度、质心侧偏角和纵向车速进行估计,通过Carsim与Simulink的联合仿真以及蒙特卡罗试验,验证了算法的有效性.研究结果表明:多采样率卡尔曼滤波算法有利于融合多个输入量的信息,能改善状态估计器的性能,比单采样率卡尔曼滤波算法具有更高的稳定性,且估计误差减小4.0%～48.7%.     

基于UKF算法的车辆质心侧偏角估计

将无味卡尔曼滤波(UKF)算法运用到车辆质心侧偏角的估计之中,基于纵滑—侧偏联合工况下的统一指数(Uni-tire)轮胎模型建立非线性车辆动力学模型,采用最小偏度单形采样的UKF算法估计车辆的几个关键状态参量,并由此得到质心侧偏角估计。最后采用奇瑞A3两厢型汽车的车辆参数,使用车辆动力学实时仿真软件DYNAware/veDYNA对观测器进行了实时验证。仿真结果表明,UKF非线性估计方法精度高,估计结果能够满足实际应用要求。     

考虑不同路面附着情况的整车质量估计方法研究

利用带有遗忘因子的递推最小二乘估计,实现了一种整车质量估计方法,该方法考虑了不同路面附着情况对整车质量估计过程的影响,通过引入路面特征系数,实现了算法对不同路面附着情况的适应。基于Matlab/Simulink编写辨识算法并在CarMaker中完成仿真测试,测试结果表明所实现的辨识方法对整车质量估计的精度可控制在10%之内。此外,由于递推最小二乘估计方法和卡尔曼滤波方法之间的内在联系,通过推导表明了递推最小二乘估计方法是状态转移矩阵为单位阵的卡尔曼滤波方法的特殊形式,为2种估计方法的工程应用形式及调试过程提供了更全面的信息。     

基于多模型和辅助粒子滤波的机动目标跟踪算法研究

机动目标跟踪的本质是随机动态混合系统中的状态估计问题,其难点在于每一时刻运动模式的高度不确定性.在实际问题中,系统状态往往还呈现非线性、非高斯、不完全观测的特点.文中将多模型理论和辅助粒子滤波算法相结合,提出了一种新的机动目标跟踪算法——MM APF.仿真结果表明,该算法与传统的交互多模型——扩展卡尔曼滤波算法、辅助粒子滤波算法相比,在计算量相当的情况下,具有更高的滤波精度和较好的稳定性.     

基于改进UKF的BDS/IMU组合列车定位方法

为提高列车定位的精确性和连续性，采用北斗卫星接收机和惯性测量单元构建车载组合定位系统. 针对多传感器组合定位信息融合估计的非线性和鲁棒性需求，将抗差估计理论的等价权原理应用于标准无迹卡尔曼滤波（unscented Kalman filter，UKF）算法，构造了一种改进的UKF算法，通过对标准UKF算法的噪声协方差进行等价替换，从而起到调节滤波增益的作用，使得滤波算法对传感器观测粗差具有较强的抑制能力. 将改进的UKF算法与标准UKF算法应用于列车组合定位进行仿真比较，结果表明:传感器无观测异常时，改进UKF算法的滤波精度总体上略优于标准UKF算法；当传感器观测值含有随机粗差时，改进UKF算法的滤波精度及稳定性明显优于标准UKF算法，北向、东向位置平均估计误差分别降低了48.5%、48.8%，北向、东向速度平均估计误差分别降低了43.7%、48.9%.      

融合卡尔曼滤波的高速公路状态估计误差界限分析

为分析高速公路交通流检测数据质量,本文构建平方流量误差界(Squared Flow Error Bound, SFEB)和扩展卡尔曼滤波(Extended Kalman Filter, EKF)的决策级融合模型SFEB-EKF,在检测器空间覆盖不足情况下,计算检测路段和无检测器路段的交通状态估计误差界限。与SFEB 算法相比,融合模型利用EKF交通状态估计模型估计全路段交通状态,基于得到的估计样本计算全路段交通状态估计误差下界。同时,采用最近邻法(Nearest Neighbor Method, NNM)计算全路段交通状态估计误差上界。应用开源高速公路数据集测试模型,结果表明,与需要输入真实样本的SFEB算法相比,融合模型SFEB-EKF在缺少真实样本情况下,能取得相似的结果且误差保持 在5%以内,不同检测器覆盖率实验下模型表现出良好的稳定性。本文模型通过给出无检测器路段交通状态估计界限,为高速公路交通检测器布设方案提供参考。     

基于改进行程时间估计模型的最优路径选择

为解决交通网络最优路径问题，提出改进的行程时间估计模型，并设计基于该模型的最优路径算法。行程时间估计模型在分段截断二次速度轨迹模型的基础上进行改进，用路段节点的到达速度代替同一出发时刻下测得的速度，通过构造在时间和空间上连续的速度轨迹来估计行程时间。首先，基于Yen′s KSP算法以路段距离为阻抗求解K条最短路径；其次，分别用改进的行程时间估计模型估计K条最短路径的行程时间；最后，以行程时间为成本选择最优的路径。通过Sioux Falls网络的数值试验验证模型和算法的有效性和优越性。试验结果表明：改进的分段截断二次速度轨迹模型相比于原始模型精度平均提高了65%；算法的最优路径结果能减少路径经过的交叉口数和缩短最优路径的总长度，而且最优路径的行程时间估计结果 与真实值的MAPE保持在3%内。     

功率型锂离子动力电池的内阻特性

为了深入分析功率型锂离子电池的内阻特性及影响因素之间的关系,本文利用混合脉冲功率特性测试方法（HybridPulsePowerCharacterization,HPPC）测试锂离子电池在不同温度环境、荷电状态（StageofCharge,SOC）下的内阻变化规律,实验结果表明锂离子电池内阻在低温环境和较低SOC下变化明显．最后利用多项式最小二乘法拟合得到锂离子电池内阻与环境温度之间的关系表达式,为下一步实现电池功率在线预测提供了数据支持和理论基础．     

中长基线单基准站动态定位卡尔曼滤波算法

为了削弱站间星间双差对流层延迟和电离层延迟的影响,实现中长基线实时动态高精度定位,对流层干延迟用Hopfield模型计算,站间星间双差对流层湿延迟用相对对流层天顶延迟估计;站间星间双差电离层延迟用相对电离层天顶延迟估计;在此基础上,将流动站位置参数、相对对流层天顶延迟、相对电离层天顶延迟以及站间星间双差整周模糊度作为状态向量进行卡尔曼滤波估计.经验证,该算法初始历元数少,单历元定位平面中误差小于2 cm,高程中误差小于5 cm.