科研之友
微信
新浪微博
Facebook
分享链接
摘要
传统的扩展卡尔曼滤波（EKF）算法估计精度较低，无迹卡尔曼滤波（UKF）算法不能确保滤波过程中状态误差协方差矩阵非负性，因而易出现滤波发散问题。为此，文中通过平方根无迹卡尔曼滤波（SR-UKF）算法预测锂电池健康状态（SOH）。首先，利用UT变换对系统进行线性化处理；然后，利用状态误差协方差矩阵的平方根替代状态误差协方差矩阵，保证状态误差协方差矩阵非负性；其次，构建二阶RC等效电路模型，根据最小二乘法辨识模型初始参数；最后，将代表SOH的欧姆内阻作为状态变量，使用SR-UKF实时估计欧姆内阻，并根据欧姆内阻与SOH的关系获取锂电池的SOH。为验证SRUKF算法在不同放电情况下的适应性，通过恒流放电工况和HPPC放电工况对SR-UKF算法进行仿真。结果表明，相比于传统的EKF算法、UKF算法，SR-UKF算法预测欧姆内阻的效果更好。
-
单位自动化学院; 江西理工大学
