基于改進卡爾曼濾波的鋰離子電池狀態(tài)估計方法研究.pdf

1、目前鋰離子電池被廣泛應(yīng)用在各行各業(yè)中，獲知鋰離子電池狀態(tài)，可為更合理地調(diào)整使用模式，預(yù)期充電時間，進行任務(wù)規(guī)劃，電池維護和更換提供有效的參考信息。因此，本文將鋰離子電池狀態(tài)估計分為三部分：荷電狀態(tài)估計、健康狀態(tài)估計和健康狀態(tài)預(yù)測?？柭鼮V波及其衍生類方法憑借良好的動態(tài)特性得到了廣泛關(guān)注，大量的研究結(jié)果表明了這類方法對于電池狀態(tài)估計的有效性。但這類方法還普通存在精度過于依賴模型、模型動態(tài)特性差以及設(shè)定噪聲與迭代初值盲目的缺點。因此，本文針

2、對鋰電池全生命周期的狀態(tài)估計開展了基于改進卡爾曼濾波的方法研究。
　　首先，針對卡爾曼濾波與數(shù)據(jù)驅(qū)動類方法對于鋰離子電池荷電狀態(tài)與健康狀態(tài)估計各有缺陷的問題，提出了一種卡爾曼濾波與最小二乘支持向量機融合的方法，解決數(shù)據(jù)驅(qū)動不考慮鋰電池內(nèi)部狀態(tài)以及卡爾曼濾波模型普適性差的問題。針對卡爾曼濾波噪聲方差設(shè)置盲目的問題，結(jié)合狀態(tài)方程與量測方程當(dāng)前狀態(tài)，提出了一種動態(tài)更新噪聲方差的方法，解決噪聲方差設(shè)置不當(dāng)造成的精度下降甚至迭代發(fā)散問題。本

3、文將這種方法稱為噪聲方差可變卡爾曼濾波與最小二乘支持向量機融合的方法。其次，針對健康狀態(tài)預(yù)測問題，提出了一種卡爾曼濾波與最小二乘支持向量機融合的方法，通過卡爾曼濾波將電池退化狀態(tài)與數(shù)據(jù)驅(qū)動方法結(jié)合，解決卡爾曼濾波預(yù)測精度過于依賴模型以及數(shù)據(jù)驅(qū)動方法不確定性較高的問題。最后，實現(xiàn)了鋰離子電池狀態(tài)估計軟件，利用LabVIEW和 Matlab混合編程，實現(xiàn)了對于鋰離子電池實時狀態(tài)估計的功能，為后續(xù)組內(nèi)的鋰離子電池管理系統(tǒng)研究提供了軟件平臺支撐