基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
为了改善传统卡尔曼滤波算法估计SOC时量测噪声的影响,提出了将传统卡尔曼滤波算法与模糊控制相结合的动力电池SOC的自适应估计方法.通过实时监控量测噪声实际方差与理论方差之间的差值,实现对量测噪声协方差矩阵的实时在线调整,提高算法在实际应用中的鲁棒性.通过基于联邦城市行驶工况(FUDS)验证混合算法的有效性.结果表明,基于模糊卡尔曼滤波算法的SOC估计最大误差仅为0.21%,高于传统卡尔曼滤波估计精度最大误差0.53%.仿真结果表明,该方法可以有效解决传统卡尔曼滤波算法估计不准和累计误差的问题.
推荐文章
基于免疫遗传算法的动力电池SOC估计研究
锂离子动力电池
SOC估计
免疫遗传算法IGA
联合估计
基于内阻法修正的蓄电池卡尔曼滤波SOC估算
蓄电池
荷电状态
灰色关联法
内阻修正
扩展卡尔曼滤波
双自适应衰减卡尔曼滤波锂电池荷电状态估计
锂离子电池
荷电状态
自适应卡尔曼滤波
扩展卡尔曼滤波
双自适应
基于模糊卡尔曼滤波算法的蓄电池SOC估计
蓄电池
荷电状态
模糊自适应卡尔曼滤波
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于模糊卡尔曼滤波算法的动力电池SOC估计
来源期刊 电源技术 学科 工学
关键词 动力电池 荷电状态 模糊控制器 自适应卡尔曼滤波 电动汽车
年,卷(期) 2016,(9) 所属期刊栏目 研究与设计
研究方向 页码范围 1836-1839,1883
页数 5页 分类号 TM912
字数 2875字 语种 中文
DOI
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 林程 北京理工大学机械与车辆学院 63 1041 17.0 30.0
2 熊瑞 北京理工大学机械与车辆学院 12 148 6.0 12.0
3 张潇华 北京理工大学机械与车辆学院 1 15 1.0 1.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (1)
共引文献  (37)
参考文献  (5)
节点文献
引证文献  (15)
同被引文献  (32)
二级引证文献  (3)
2001(1)
  • 参考文献(1)
  • 二级参考文献(0)
2004(2)
  • 参考文献(1)
  • 二级参考文献(1)
2007(1)
  • 参考文献(1)
  • 二级参考文献(0)
2009(1)
  • 参考文献(1)
  • 二级参考文献(0)
2013(1)
  • 参考文献(1)
  • 二级参考文献(0)
2016(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2017(4)
  • 引证文献(4)
  • 二级引证文献(0)
2018(2)
  • 引证文献(2)
  • 二级引证文献(0)
2019(9)
  • 引证文献(7)
  • 二级引证文献(2)
2020(3)
  • 引证文献(2)
  • 二级引证文献(1)
研究主题发展历程
节点文献
动力电池
荷电状态
模糊控制器
自适应卡尔曼滤波
电动汽车
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
电源技术
月刊
1002-087X
12-1126/TM
大16开
天津296信箱44分箱
6-28
1977
chi
出版文献量(篇)
9323
总下载数(次)
56
总被引数(次)
55810
论文1v1指导