典型文献
基于UKF-AUKF锂电池在线参数辨识和SOC联合估计
文献摘要：
锂电池荷电状态(SOC)的精确估计是电动汽车安全行驶的保障.为了降低实际复杂工况下电池模型不契合实际电池参数时变特性造成的误差,采用无迹卡尔曼滤波算法(UKF)对电池模型进行在线参数辨识,再联合自适应无迹卡尔曼滤波算法(AUKF)估计锂电池SOC,将时变参数反馈到SOC估计的模型中,提高SOC估计精度和对各工况适应性,UDDS工况下通过与离线扩展卡尔曼滤波算法(EKF)、在线双扩展卡尔曼滤波算法(DEKF)进行比较分析,实验结果验证了UKF-AUKF的精确性和鲁棒性.
文献关键词：
在线参数辨识;自适应滤波器;无迹卡尔曼滤波算法;荷电状态
中图分类号：
作者姓名：
卢云帆;邢丽坤;张梦龙;郭敏
作者机构：
安徽理工大学电气与信息工程学院,安徽淮南232001
文献出处：
引用格式：
[1]卢云帆;邢丽坤;张梦龙;郭敏-.基于UKF-AUKF锂电池在线参数辨识和SOC联合估计)[J].电源技术,2022(10):1151-1155
A类：
B类：
AUKF,锂电池,在线参数辨识,SOC,联合估计,电池荷电状态,精确估计,电动汽车,汽车安全,安全行驶,复杂工况,电池模型,时变特性,无迹卡尔曼滤波算法,再联合,时变参数,估计精度,工况适应性,UDDS,离线,扩展卡尔曼滤波算法,DEKF,精确性,自适应滤波器
AB值：
0.248448
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
