基于模糊神经网络优化扩展卡尔曼滤波的锂离子电池荷电状态估计
商云龙
张承慧
崔纳新
张奇
1.山东大学控制科学与工程学院,山东 济南,2500612.山东大学控制科学与工程学院,山东 济南,2500613.山东大学控制科学与工程学院,山东 济南,2500614.山东大学控制科学与工程学院,山东 济南,250061
摘要：电池荷电状态(state of charge, SOC)的精确估计是判断电池是否过充或过放的重要依据,是电动汽车安全、可靠运行的重要保障.传统基于扩展卡尔曼滤波(extended Kalman filter, EKF)的SOC估计方法过度依赖于精确的电池模型,并且要求系统噪声必须服从高斯白噪声分布.为解决上述问题,基于模糊神经网络(fuzzy neural network, FNN)建立模型误差预测模型,并藉此修正扩展卡尔曼滤波测量噪声协方差,以实现当模型误差较小时对状态估计进行测量更新,而当模型误差较大时只进行过程更新.仿真和实验结果表明,该算法能有效消除由于模型误差和测量噪声统计特性不确定而引入的SOC估计误差,误差在1.2%以内,并且具有较好的收敛性和鲁棒性,适用于电动汽车的各种复杂工况,应用价值较高.
关键词：动力电池SOC估计模型误差模糊神经网络扩展卡尔曼滤波
分类号：TM912(独立电源技术（直接发电）)
资助基金：国家自然科学基金项目(61527809)国家自然科学基金项目(61273097)国家自然科学基金项目(51277116)国家自然科学基金项目(61403162)国家自然科学基金重大国际(地区)合作研究项目(61320106011)Supported by National Natural Science Foundation of China(61527809)Supported by National Natural Science Foundation of China(61273097)Supported by National Natural Science Foundation of China(51277116)Supported by National Natural Science Foundation of China(61403162)Major International (Regional) Joint Research Project of the National Natural Science Foundation of China(61320106011)
论文发表日期：2016-01-01
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：9( 212-220 )
英文信息