|
分享人:段砚州 现为北京理工大学AESA课题组博士研究生,主要研究方向为车-云协同管理、动力电池状态估计、动力电池系统一致性管理、电池管理系统软硬件开发,申请发明专利4件,Applied Energy期刊审稿人,作为核心骨干或主要成员参与完成多项企业委托项目。(个人网页)
讲座摘要:
本次讲座主题为卡尔曼滤波算法原理与电池状态估计应用,结合实例讲解卡尔曼滤波算法基本原理,并基于简要推导过程分析滤波器发散失效原因及应对措施。在此基础上,重点讲解了卡尔曼滤波算法在电池SOC估计领域的应用,针对实际工程应用过程中参数调优问题提出了参考方案。最后,结合某工程实例讲解了磷酸铁锂SOC估计问题的一种解决思路。 本讲座需要提前了解的基础知识:状态空间方程、基本矩阵运算法则、线性系统/非线性系统基本概念。 |
相关文献
[1] Plett G L. Extended Kalman filtering for battery management systems of LiPB-based HEV battery packs: Part 3. State and parameter estimation[J]. Journal of Power sources, 2004, 134(2): 277-292. (点击下载)
[2] Xiong R , He H , Sun F , et al. Evaluation on State of Charge Estimation of Batteries With Adaptive Extended Kalman Filter by Experiment Approach[J]. IEEE Transactions on Vehicular Technology, 2013, 62(1):108-117. (点击下载)
[3] Xiong R , Gong X , Mi C C , et al. A robust state-of-charge estimator for multiple types of lithium-ion batteries using adaptive extended Kalman filter[J]. Journal of Power Sources, 2013, 243(6):805-816. (点击下载)