科研之友
微信
新浪微博
Facebook
分享链接
摘要
可穿戴式设备（WearableDevices，WDs）体积小、工作时间长，在工业监测等领域应用越来越广泛。锂离子电池为WD上电子设备提供能量，其准确的能量状态（StateofEnergy，SOE）在线估算对WDs的电源实时管理与延长设备寿命有重要影响。传统的基于模型的估算方法需要离线获取SOE与开路电压（Open Circuit Voltage，OCV）的关系，实验时间长，不能适应实际工况变化，难以在线实施，本文提出一种基于开路电压（Open-circuit voltage，OCV）在线辨识的可穿戴式设备用锂离子电池SOE在线估算方法。首先基于锂离子电池的一阶RC模型，采用带遗忘因子的递推最小二乘法（Forgetting factor recursive least squares，FFRLS）在线辨识电池OCV等参数。分析了WDs运行负载变化特征，构建了WD运行工况和参数辨识工况，并开展锂离子电池实验。结合WDs工作负载特性，研究了开路电压和端电压的关系，在线获得OCV与SOE的关系曲线。采用无迹卡尔曼滤波（adaptive unscented Kalman filter，AUKF）算法实现SOE的在线估计，与传统通过离线实验获得OCV-SOE关系的方法进行了对比。研究结果表明，所提的SOE在线估算方法具有较好的精度，并在不同的SOE初始值时具有较好的鲁棒性。
- 单位
