基于电池的戴维宁(Thevenin)模型,设计了多模型自适应卡尔曼滤波器,并将多模型自适应卡尔曼滤波器应用于电动汽车电池荷电状态(state-of-charge,SOC)估计。由于老化电池是未知系统,利用传统的单一模型卡尔曼滤波器估计老化电池SOC时,因...基于电池的戴维宁(Thevenin)模型,设计了多模型自适应卡尔曼滤波器,并将多模型自适应卡尔曼滤波器应用于电动汽车电池荷电状态(state-of-charge,SOC)估计。由于老化电池是未知系统,利用传统的单一模型卡尔曼滤波器估计老化电池SOC时,因模型不准确而使估计误差增大。与单一模型滤波估计相比,多模型滤波估计融合了电池的各种老化信息,适合于未知系统的状态估计,从而提高了SOC的估计精度,并通过实验证明了上述结论的正确性。利用多模型自适应卡尔曼滤波器估计电池SOC,老化电池的模型与权值最大的单一模型较接近,根据单一模型权值可以近似估计出老化电池的健康状态(state of health,SOH),并通过电池容量测量,证明了SOH估计的正确性。展开更多
针对农业温室环境中,由于超宽带(Ultra-wideband,UWB)定位技术干扰免疫差和统计特性未知而面临定位精度不足的问题,本文提出一种基于改进自适应卡尔曼滤波(Improved adaptive Kalman filter,IAKF)算法的UWB定位技术。首先,引入异常检测...针对农业温室环境中,由于超宽带(Ultra-wideband,UWB)定位技术干扰免疫差和统计特性未知而面临定位精度不足的问题,本文提出一种基于改进自适应卡尔曼滤波(Improved adaptive Kalman filter,IAKF)算法的UWB定位技术。首先,引入异常检测机制,以识别滤波过程中的发散现象;进而,通过实时更新量测噪声协方差矩阵,抑制滤波发散,在噪声强波动情况下增强算法适应性;同时,开展3种不同环境噪声下仿真定位试验,对比分析UWB、IAKF、自适应卡尔曼滤波(Adaptive Kalman filter,AKF)及卡尔曼滤波(Kalman filter,KF)算法性能。仿真结果表明,IAKF算法展现出更强的适应性及鲁棒性。以自主开发农用履带车辆为定位载体,于农业温室环境中开展UWB定位试验。试验结果表明,温室环境中,履带车辆在视距(Line of sight,LOS)和非视距(Non line of sight,NLOS)场景下,较AKF和KF算法,IAKF算法定位精度分别提高22.2%、13.0%和20.0%、15.4%。展开更多
文摘基于电池的戴维宁(Thevenin)模型,设计了多模型自适应卡尔曼滤波器,并将多模型自适应卡尔曼滤波器应用于电动汽车电池荷电状态(state-of-charge,SOC)估计。由于老化电池是未知系统,利用传统的单一模型卡尔曼滤波器估计老化电池SOC时,因模型不准确而使估计误差增大。与单一模型滤波估计相比,多模型滤波估计融合了电池的各种老化信息,适合于未知系统的状态估计,从而提高了SOC的估计精度,并通过实验证明了上述结论的正确性。利用多模型自适应卡尔曼滤波器估计电池SOC,老化电池的模型与权值最大的单一模型较接近,根据单一模型权值可以近似估计出老化电池的健康状态(state of health,SOH),并通过电池容量测量,证明了SOH估计的正确性。
文摘针对农业温室环境中,由于超宽带(Ultra-wideband,UWB)定位技术干扰免疫差和统计特性未知而面临定位精度不足的问题,本文提出一种基于改进自适应卡尔曼滤波(Improved adaptive Kalman filter,IAKF)算法的UWB定位技术。首先,引入异常检测机制,以识别滤波过程中的发散现象;进而,通过实时更新量测噪声协方差矩阵,抑制滤波发散,在噪声强波动情况下增强算法适应性;同时,开展3种不同环境噪声下仿真定位试验,对比分析UWB、IAKF、自适应卡尔曼滤波(Adaptive Kalman filter,AKF)及卡尔曼滤波(Kalman filter,KF)算法性能。仿真结果表明,IAKF算法展现出更强的适应性及鲁棒性。以自主开发农用履带车辆为定位载体,于农业温室环境中开展UWB定位试验。试验结果表明,温室环境中,履带车辆在视距(Line of sight,LOS)和非视距(Non line of sight,NLOS)场景下,较AKF和KF算法,IAKF算法定位精度分别提高22.2%、13.0%和20.0%、15.4%。
