刘珊珊
- 作品数：2 被引量：32H指数：2
- 供职机构：沈阳建筑大学信息与控制工程学院更多>>
- 发文基金：国家科技重大专项更多>>
- 相关领域：电气工程更多>>
- 基于无迹卡尔曼滤波估算电池SOC被引量：17
- 2016年
- 为了实现在线估计汽车动力电池的荷电状态(SOC),提出了结合神经网络的无迹卡尔曼滤波算法.以Thevenin电路为等效电路模型,建立了状态空间表达式,采用最小二乘算法对模型参数进行辨识.在此基础上,利用神经网络算法拟合电池的荷电状态与模型各个参数之间的函数关系,经过多次实验,确定了神经网络算法的收敛曲线,此方法比传统的曲线拟合精度高.介绍了扩展卡尔曼滤波和无迹卡尔曼滤波的原理,并设计了等效电路模型验证实验、电池的SOC测试实验和算法的收敛性实验.实验结果表明,在不同的工况环境下,该方法估计SOC具有可在线估算、估算精度高和环境适应度高等优点,最大误差小于4%.最后验证了结合神经网络的无迹卡尔曼滤波的算法具有较好的收敛性和鲁棒性,可以有效解决初值估算不准确和累计误差的问题.
- 石刚赵伟刘珊珊
- 关键词：无迹卡尔曼滤波神经网络荷电状态
- 基于扩展卡尔曼神经网络算法估计电池SOC被引量：16
- 2016年
- 针对汽车锂电池的荷电状态(SOC)的问题,基于Thevenin电路为等效电路并且应用扩展卡尔曼算法(EKF)结合神经网络算法进行估计。在进行卡尔曼滤波算法估算过程中,需要用到实时的估算模型参数值(最新值),即在不同的SOC下模型的参数不同。传统做法是把SOC与各个参数的关系进行普通的拟合,这种方法在拟合过程中存在较大误差。为了解决这个问题,利用神经网络拟合各个电路模型参数与SOC关系曲线。试验结果表明,与单纯的扩展卡尔曼算法相比,该方法能够准确估计电池剩余电量,误差小于3%。
- 韩忠华刘珊珊石刚董挺
- 关键词：神经网络
