第16讲:滤波算法的概率论基础及其在电池容量预测中的应用【AESA王晨旭】
发表时间:2020-12-06     阅读次数:


分享人王晨旭

现为北京理工大学AESA课题组硕士研究生,主要研究方向为动力电池剩余寿命预测方向。(个人网页)


讲座摘要

首先介绍动力电源容量预测的主要方法,而后详细介绍了卡尔曼滤波和粒子滤波算法的理论推导过程。基于超级电容加速老化试验,具体介绍如何处理试验数据,提取容量(电容)轨迹,如何编写滤波预测算法并调节算法参数,以获得满意效果。


相关文献

[1] Hu X , Xu L , Lin X , et al. Battery Lifetime Prognostics[J]. Joule, 2020, 4(2). (点击下载)

[2] Thrun, Sebastian. Probabilistic robotics[J]. Communications of the Acm, 2005, 45(3):52-57. (点击下载)

[3] Bromiley, P. Products and Convolutions of Gaussian Probability Density Functions Density Functions[J]. Tina Memo, 2003. (点击下载)

[4] Ye M , Guo H , Xiong R , et al. A double-scale and adaptive particle filter-based online parameter and state of charge estimation method for lithium-ion batteries[J]. Energy, 2018, 144(FEB.1):789-799. (点击下载)

[5] Yu Q , Xiong R , Lin C , et al. Lithium-Ion Battery Parameters and State-of-Charge Joint Estimation Based on H-Infinity and Unscented Kalman Filters[J]. IEEE Transactions on Vehicular Technology, 2017, 66(10):8693-8701. (点击下载)

[6] Xiong R , Mu H . Accurate state of charge estimation for lithium-ion battery using dual Uncsented Kalman filters[C]// 2017 Chinese Automation Congress (CAC). 2017. (点击下载)

[7] Hu X , Xu L , Lin X , et al. Battery Lifetime Prognostics[J]. Joule, 2020, 4(2). (点击下载)

[8] Xiong R. Battery Management Algorithm for Electric Vehicles[M]. Springer, 2020.

[9] 熊瑞. 动力电池管理系统核心算法[M]. 北京:机械工业出版社,2018.

[10] 熊瑞, 何洪文.电动车辆复合电源系统集成管理基础[M]. 北京: 化学工业出版社, 2019.


上一篇:第17讲:动力电池脉冲复合加热实验设计【AESA王存斌】
下一篇:第15讲:电池老化机理分析与诊断方法【AESA潘悦】
0
联系地址:北京市海淀区中关村南大街5号北京理工大学   Copyright  ©  2020-   先进储能科学与应用课题组  All Rights Reserved.网站地图
友情链接: 北京理工大学    ICEIV2022会议    机械与车辆学院    机械工程学报    Applied Energy期刊