锂离子电池SOC及容量的多尺度联合估计

锂离子电池的荷电状态（SOC）和电池容量估计是电池管理系统的核心。由于SOC和容量在估计过程中参数相互影响,提出一种适用于三元锂离子电池SOC及容量的多尺度联合估计方法。采用戴维宁等效电路模型,建立数学模型及状态空间方程。针对不同温度下电池特性不同的问题,在不同温度下开展了模型参数辨识,建立了参数随SOC及温度的变化关系。基于双扩展卡尔曼滤波（DEKF）算法建立了电池状态多尺度联合估计模型,对电池的SOC、极化电压在微观时间尺度上进行估计,对电池的容量在宏观时间尺度上进行估计,并对SOC估计中的容量进行更新,保证了电池长期估计的精度。在宽温度范围内进行验证,所建立的三元锂离子电池多尺度联合估计方法具有较高的精度。      

基于Kalman滤波的镍氢动力电池SOC估算方法

动力电池的荷电状态(SOC,State-of-Charge)是电动车能量控制的重要参数,针对镍氢动力电池,建立了一种新的状态空间模型.电池模型采用荷电状态和极化状态作为状态向量,考虑持续充放电时电荷累积效应对电池电压的影响,对模型的状态方程进行了优化,增加了电荷累积项,以提高模型在变电流充放电过程中的精度.根据Kalman最优滤波理论,设计了电池荷电状态Kalman滤波递推算法,估算方法考虑了电池电压、电流和电池温度,给出了递推计算公式.根据恒流充电、恒流放电、脉冲充/放电、变电流充/放电实验的实验数据,对模型进行了仿真分析.结果表明,采用Kalman滤波估算方法有利于提高动力电池的荷电状态估算精度,适合应用在混合动力电动车中.      

考虑倍率的平流层飞艇储能电池建模与分析

准确掌握储能电池的实际电量是确保平流层飞艇实现长航时飞行的关键因素之一。首先,建立了平流层飞艇能源系统仿真模型,对能量输入和消耗进行动态分析。随后,对储能电池进行不同电流倍率的充放电测试,采用多项式拟合的方法,根据测试数据建立了储能电池充放电过程中荷电状态(SOC)、剩余放电时间(RDT)、剩余充电时间(RCT)的分析模型。最后,结合能源系统能量输入、消耗模型和储能电池模型进行飞行模拟仿真,获取各部分变化数据,与已有试验数据进行量化对比分析。结果表明:所构建储能电池模型在SOC、RDT、RCT的计算误差分别小于3%、1.5%、1.5%,能够准确反映电池工作过程中SOC、RDT、RCT的变化,可为平流层飞艇平台制定优化的飞行策略提供量化支撑。      

近似二阶扩展卡尔曼滤波方法研究

 在综合考虑计算量和估计精度的情况下,提出一种新的非线性滤波方法——近似二阶扩展卡尔曼滤波（AS-EKF）方法。该方法基于线性最小方差递推滤波框架,对均值的非线性变换采用二阶近似,其精度高于扩展卡尔曼滤波（EKF）采用的一阶近似。通过计算机仿真表明该滤波方法对非线性系统的滤波精度高于EKF,且计算量明显低于无迹滤波（UKF）,该方法适用于对估计精度和计算量都有所要求的非线性系统滤波器设计。     

混合动力电动车电池荷电状态描述方法

提出一种新的描述电池荷电状态的定义方法,主要针对MH/Ni动力电池,该电池通常意义下的额定容量为8?A·h,并应用在一种混合动力电动车中.混合动力电动车中动力电池的运行环境非常严酷,充放电倍率高,动态转换频繁.通常的电池荷电状态定义方法适合于稳定负载的情况下,在动态负载的情况下就会出现不适应性.原因是不能同时描述电池的静态和动态荷电状态.新定义方法提出静态荷电状态SSOC(Static State of Charge)和动态荷电状态DSOC(Dynamic State of Charge)的概念.静态荷电状态SSOC描述电池内部稳态的荷电量; 动态荷电状态DSOC描述电池充电或放电时,电池内部电荷的饱和程度.对上述定义的电化学原理进行了分析,并提出了初步的计算方法.     

基于事件驱动的容积卡尔曼滤波定位算法

以网络化非线性滤波系统为研究对象,为了平衡系统的通信率和滤波精度之间的矛盾,引入随机事件驱动（stochastic event-triggered）的思想,并在此基础上建立了基于残差检测的事件驱动（detected event-triggered）模型。针对系统的强非线性,将线性随机事件驱动滤波系统中的更新结论推广至非线性系统,推导了两种事件驱动机制在容积卡尔曼滤波（CKF）算法框架中的滤波更新过程,得到了检测事件驱动CKF（DECKF）和随机事件驱动CKF（SECKF）两种算法。最后,通过天基平台空间目标跟踪问题对算法性能进行检验。仿真结果表明,当通信率下降20.64%时,DECKF算法的位置跟踪精度和速度跟踪精度相比标准CKF仅下降了5.50%和7.74%。此外,在通信率相同的情形下,DECKF比SECKF的精度高40%以上,证明检测事件驱动模式优于随机事件驱动模式。     

基于卡尔曼滤波和ABS控制输入的车速估计

在现有的轮速估计算法基础上,研究了一种基于参数自适应卡尔曼滤波和ABS(Anti-lock Braking System)控制输入的车速估计算法.该算法首先以四轮轮速为输入,利用ABS控制状态信息估计车辆的制动减速度,然后综合减速度和轮速信息分别估计左、右侧的参考车速.使用自适应卡尔曼滤波针对不同的滑移状况更新协方差矩阵,并采用真实的ABS制动试验数据检验所提出的算法,结果表明:该算法在各种路面条件下都能估计得到合理的参考车速.      

基于改进型两步卡尔曼滤波的相对导航方法

采用Clohessy-Wiltshire(C-W)方程描述的近圆轨道相对导航状态方程具有线性的形式,而以航天器相对距离和相对方位作为测量信息的观测方程是非线性的,针对近圆轨道航天器相对导航的这一特点,给出了采用两步卡尔曼滤波(Two Step Kalman Filtering,TSF)的相对导航算法,并且利用Unscented变换方法,解决了两步卡尔曼滤波的状态初值确定问题,给出了TSF的完整算法.数值仿真比较了TSF和扩展卡尔曼滤波(Extended Kalman Filtering,EKF)、无迹卡尔曼滤波(Unscented Kalman Filtering,UKF)等算法的性能,验证了采用TSF方法实现相对导航的可行性和有效性.     

一种基于假设检验的多重渐消卡尔曼滤波

提出了一种基于假设检验的带多重渐消因子卡尔曼滤波的新算法.该算法采用χ2检验法,通过渐消因子矩阵对卡尔曼滤波器的噪声方差进行在线修正,从而使滤波器在对象模型存在误差或对象受到外扰时仍然收敛,同时能够提高系统的精度.该算法应用于车载GPS (Global Positioning System)/INS(Inerial Navigation System)组合导航系统中,取得了良好的效果.      

车用锂离子电池直冷热管理系统用冷媒研究进展

电动汽车用直冷系统是未来电动汽车热管理系统的可行解决方案之一,在整车减重、改善温度一致性等方面具备较大潜力。冷媒是直冷热管理系统的重要组成,影响直冷系统制冷能力、效率、安全性等因素。选择高效、匹配的冷媒对直冷热管理系统设计格外重要。梳理了近年来电动汽车直冷热管理系统用冷媒的研究进展。首先,基于电动汽车工况阐述了锂离子电池的热特性需求与直冷热管理系统特性;其次,系统分析了常用冷媒特性的定义与表征;然后,详细介绍了单质冷媒与混合冷媒的研究进展;最后,总结了冷媒亟待解决的问题与未来展望,并为新一代直冷热管理系统用冷媒的发展提出了可行的研究方向。      

基于四元数平方根容积卡尔曼滤波的姿态估计

针对飞行器姿态确定中乘性扩展卡尔曼滤波(MEKF, Multiplicative Extended Kalman Filter)在较大初始姿态误差角情况下存在估计精度低及收敛速度慢的问题,提出了一种四元数平方根容积卡尔曼滤波(QSCKF,Quaternion Square-root Cubature Kalman Filter)算法.在推导姿态确定系统四元数非线性误差模型的基础上,采用容积数值积分理论来计算非线性函数的均值与方差,同时使用平方根的形式来提高数值稳定性;针对四元数规范化问题,采用拉格朗日代价函数法求解四元数加权均值.仿真结果表明:在初始姿态误差较大的情况下,该算法相比较于MEKF以及无迹四元数估计法(USQUE, Unscented Quaternion Estimator),估计精度高且收敛速度快,滤波稳定性好,同时估计时间比USQUE缩短了1/3.     

基于四元数平方根容积卡尔曼滤波的姿态估计

针对飞行器姿态确定中乘性扩展卡尔曼滤波(MEKF,Multiplicative Extended Kalman Filter)在较大初始姿态误差角情况下存在估计精度低及收敛速度慢的问题,提出了一种四元数平方根容积卡尔曼滤波(QSCKF,Quaternion Square-root Cubature Kalman Filter)算法.在推导姿态确定系统四元数非线性误差模型的基础上,采用容积数值积分理论来计算非线性函数的均值与方差,同时使用平方根的形式来提高数值稳定性;针对四元数规范化问题,采用拉格朗日代价函数法求解四元数加权均值.仿真结果表明:在初始姿态误差较大的情况下,该算法相比较于MEKF以及无迹四元数估计法(USQUE,Unscented Quaternion Estimator),估计精度高且收敛速度快,滤波稳定性好,同时估计时间比USQUE缩短了1/3.     

基于双滤波器的高精度目标跟踪估计方法

针对连续推力的合作航天器,采用双重无迹卡尔曼滤波(DUKF)算法估计其状态和加速度.通过状态滤波器和参数滤波器的配合,提升滤波精度,完成运动状态和参数的估计,从而实现合作目标的运动轨迹跟踪.与合作航天器相比,非合作航天器存在大小未知、发生时刻未知的机动,无法获得加速度,且信息获取和运动状态的估计难度大.针对非合作航天器...     

基于遗传算法的多模型Kalman滤波算法 及应用研究

基于长航时无人机惯性/天文/卫星(INS/CNS/GPS)组合导航系统模型,针对复杂环境所引起的系统模型参数变化导致单一固定参数滤波器精度降低问题,提出了一种基于遗传算法的多模型自适应Kalman滤波算法,并与单一模型下的Kalman滤波器方法进行了比较.仿真结果表明,与采用单一模型的Kalman滤波算法相比,该方法不仅能大大提高导航系统的精度和可靠性,而且还可以较好地辨识出组合导航系统惯性器件噪声统计模型参数.      

基于扩展卡尔曼滤波的舰机相对位姿估测

通过将基于扩展卡尔曼滤波的长序列图像分析方法与单目视觉技术相结合,把无人机自主着舰视觉导引中舰机间相对位姿的估测,转化为机载摄像机对着舰靶标平面3D位姿的实时估测问题.首先根据透视投影理论,建立了以摄像机的透镜中心为原点且Z轴与光轴重合的摄像机坐标系和世界坐标系,然后利用机载摄像机连续拍摄的靶标图像序列,选择描述相对运动的3个欧拉角、平移向量及它们的速度作为状态变量;由靶标角点的提取和帧间匹配,建立了反映着舰靶标上特征点的图像坐标和状态变量之间关系的观测方程,带入扩展卡尔曼滤波器,估测出舰机的相对运动参数.计算机数据仿真和基于DSP平台的半实物仿真试验验证了算法的有效性和鲁棒性.      

脉冲星方位误差估计的两步卡尔曼滤波算法

为了克服钟差和卫星位置误差对脉冲星方位误差估计的影响,设计了两步卡尔曼滤波（TSKF）算法。首先,介绍了脉冲星方位误差估计的传统模型,并通过分析和仿真验证了钟差、卫星位置误差以及2种误差同时存在时会使脉冲星方位误差估计结果产生较大偏差。其次,在传统的估计模型中加入了钟差和卫星位置误差,并将钟差和钟差变化率增广为新的状态量,从而推导出包含2种误差的新模型,并证明了该模型的完全可观测性;根据该模型并按照两步卡尔曼滤波原理,得到了TSKF算法的步骤。最后,通过仿真表明:在钟差和卫星位置误差同时影响下,传统脉冲星方位误差估计算法偏差较大且发散;TSKF算法则能够有效隔离2种误差的影响,使赤经和赤纬误差估计达到0.2 mas之内的精度。      

Kalman filter based estimation of differential hardware biases with triangular interpolation technique for IRNSS

Ionosphere delay correction is the main error correction to the computation of single frequency user position using satellite navigation. However ionosphere delay consists of not only delay but also frequency dependent differential hardware biases from satellite and receiver ends. For ionosphere point of view, Indian Regional Navigation Satellite System (IRNSS) service area comes in equatorial anomaly region. It is a unique satellite navigation system which operates at L5 and S frequencies and consists of Geostationary Earth Orbit (GEO) and Geo Synchronous Orbit (GSO) satellite constellation. With IRNSS measurements availability, there is a good opportunity to estimate and analyse differential hardware biases with GEO/GSO combination and with equatorial ionosphere variation. In this paper, Kalman filter based estimation with triangular interpolation technique is used to estimate differential hardware biases for all IRNSS satellites and reference receivers at L5 frequency. The standard deviation of the 15?days of daily estimation of satellite differential hardware biases is in the range of 0.32 to 1.17 TECU for all IRNSS satellites. Similarly, the standard deviation of the 15?days of daily estimation varies up to 2.85 and 6.0 TECU for receiver differential hardware biases during calm and stormy period respectively. The ionosphere delay computed using estimated differential hardware biases is compared with Global Ionosphere Map (GIM) data. A rigorous analysis is carried out to study the error in the estimation in terms of input data noise level, satellite constellation and effect of latitude. Our result reveals that over IRNSS service area, there is an exponential increase in the error in the estimation of receiver differential hardware biases with respect to latitude.