5基于改进型采样点卡尔曼滤波的矿用电池SOC估计.pdfVIP

第31卷第9期 机 电 工 程 V01．31No．9 2014年9月 JournalofMechanical ElectricalEngineering Sep．2014 DOI：10．3969／j．issn．1001—4551．2014．09．024 基于改进型采样点卡尔曼滤波的 矿用 电池 SOC估计 何灵娜 ，王运红 (浙江工业大学 信息工程学院，浙江 杭州310023) 摘要：为了实时、准确地估计矿用电池SOC值，通过采用加权统计线性回归法实现模型函数线性化 ，将采样点卡尔曼滤波技术应用 到矿用电池SOC估计中。针对有限的电池管理系统资源 ，基于电池状态观测复合模型的状态方程线性和观测方程非线性的特点， 提出了将标准卡尔曼滤波和采样点卡尔曼滤波组合的非线性滤波算法；为了使得该算法具有应对突变状态的强跟踪能力和应对模 型不准确的鲁棒性，引入了奇异值分解 ，采用特征协方差矩阵代替误差协方差矩阵，并基于强跟踪原理引人了次优渐消因子。仿真 结果表明，基于改进型采样点卡尔曼滤波的矿用电池SOC估计算法兼顾估计精度和运算量，并具有跟踪突变状态和应对模型不准 确的鲁棒性 ，完全适用于资源有限的矿用电池SOC估计；可见，该算法具有 良好的实际应用价值。 关键词 ：矿用电池；荷电状态；采样点卡尔曼滤波；奇异值分解；强跟踪滤波器 中图分类号：TM912 文献标志码：A 文章编号：1001—4551(2o14)o9—1213—05 SOC estimationbased on improved sampling pointKalman filterformine—usedbattery HE Ling—na，WANG Yun—hong (CollegeofInformationEngineering，ZhejiangUniversityofTechnology，Hangzhou310023，China) Abstract：Inordertoestimatethestateofcharge(SOC)formine·usedbatteryexactlyandreal—time，theweightedstatisticallinearregression methodwasusedtoachievethelinearizationofmodelfunction，andthetechniqueofsamplingpointsKalmanfilterwasappliedtothestateof chargeestimationformine—usedbattery．Aimingatthelimitedresourceofthebattery mna agementsystem，thenonlinearfilteringalgorithm thatcombinedstna dardKalmanfilterandsamplingpointKalmanfilterwasproposedbasedonthelinearchraacteristicofthestateequation na dthenonlinearcharacteristicoftheobservationequationofthebattery mode1．Inordertoachievethestrongtracingabilityofforcedcondi· tionandtherobustnessofthemodelinaccuracy，thesingularvaluedecompositionwasintroduced，nadtheerrorcovariancematrixwasre· placedbythechraacteristiccovariancematrix，andsuboptimalfadingfactorwasintrod