基于模糊卡尔曼滤波的HEV氢镍电池SOC估计.pdfVIP

基于模糊卡尔曼滤波的HEV氢镍 电池 SOC 李德东，王振臣， 郭小星 (燕山大学 电院工业计算机控制工程 河北省重点实验室，河北秦皇岛066004) 摘要：混合动力汽车(HEV)电池管理系统工作于恶劣工况环境中，采用常规卡尔曼滤波算法估计 电池荷 电状态 (S0c) 时，量测噪声统计特性随实际工况条件剧烈变化，会导致估测不准。甚至滤波发散。采用基于模糊 自适应卡尔曼滤波的 氢镍动力电池 S0C估算算法 ，通过监视理论残差与实际残差的比值，对量测噪声协方差阵进行递推在线修正， 使其逐 渐逼近真实噪声水平，从而使滤波器执行最优估计，提高估算精度。仿真结果表明，这种算法对随机的量测噪声具有较 强的抑制能力。 关键词：混合动力电动汽车；模糊卡尔曼滤波；氢镍 电池 ：荷 电状态 中图分类号：TM912．2 文献标识码：A 文章编号：1002—087X(2011)02—0192—03 EstimationofSOCofNi—MHbatteriesbasedonfuzzyadaptiveKalman filteringforHEV LIDe．dong，WANGZhen．chen，GUOXiao．xing (KeyLabofIndustrialComputerControlEngineeringofHebeiProvince,YanshanUniversity,Qinhuangdnoltebei066004，China) Abstract：Hybddelectricvehicle(HEV)batterymanagementsystemworksinbadconditionenvironment。whenusing theconventionalKalmanfilteringalgorithmsestimatingSOC(stateofcharge)ofbatteries，theacutechangesofthe statisticaIpropertiesofmeasurementnoisewillIeadtoinaccurateestimates．evendivergentfiltering．Theestimation algorithm forSOCofNi—MH batteriesbasedonthefuzzyadaptive Kalmanfilterwasused inthispaper By monitoring the filterresidualand actualresidual， this algorithm modified recursively the measurementnoise covarianceofKalmanfilteringonlineusingthefuzzyinferencesystem (FIS) tomakethecovarianceclosetoreal measurementcovariancegradually． Accordingly， theaccuracy ofthe estimate system was improved． Matlab simulation and experimentswere carriedout． The comparison indicatesthatthefuzzyadaptive Kalman filtering performswellwhendisturbancehappens． Keywords：HEV；fuzzyadaptiveKalmanfiltering；Ni-MH batteries；SOC 随着能源危机的逐步临近，节能且环保的混合动力电动 将 电池的非线性状态空间模型线性化，通过递推算法对 电池 汽车(HEV)的开发将是未来汽车发展的走向。氢镍动力电池 SOC实现最小方差意义上的最优估计 ，并能给出估计的误 组作为其辅助能量源，是混合动力汽车动力系统的重要组成 差。卡尔曼滤波方法对 SOC的初始误差有很强的修正作用 ， 部分。对于车用大功率动力氢镍电池 SOC的估计 ，国内外普