检索结果-维普期刊中文期刊服务平台

基于联合参数辨识的粒子群优化扩展粒子滤波的锂电池荷电状态估计被引量：13: 1; 作者贠祥张鑫 +1 位作者王超范兴明《电工技术学报》 EI CSCD 北大核心 2024年第2期595-606,共12页; 提高参数辨识的精度和SOC算法的精度是提高SOC估计的关键,该文提出了基于联合参数辨识的粒子群优化扩展粒子滤波的荷电状态(SOC)估计方法。在参数辨识阶段,结合遗忘因子递推最小二乘法在线辨识的优势,弥补粒子群辨识精度高但前期缺乏数... 展开更多; 关键词锂电池粒子群算法扩展粒子滤波算法荷电状态; 在线阅读下载PDF 职称材料

基于扩展H_∞粒子滤波算法的视觉伺服雅可比矩阵在线辨识被引量：4: 2; 作者徐鹏杨宏韬 +1 位作者李岩刘克平《广西大学学报（自然科学版）》 CAS 北大核心 2017年第3期1051-1057,共7页; 为提高图像雅可比矩阵在线辨识精度,进而提高机器人轨迹跟踪的准确性,研究了基于图像的机器人视觉伺服系统中雅可比矩阵在线辨识方法。在非高斯环境下以机械手跟踪运动为应用实例,采用一种扩展H_∞粒子滤波算法对图像雅可比矩阵进行在... 展开更多; 关键词雅可比矩阵扩展H∞粒子滤波算法在线辨识; 在线阅读下载PDF 职称材料

基于AEKPF算法对锂离子电池SOC与SOH的联合估计被引量：10: 3; 作者张新锋姚蒙蒙 +1 位作者宋瑞崔金龙《江苏大学学报（自然科学版）》 CAS 北大核心 2022年第1期24-31,共8页; 为了提高锂离子电池SOC(state of charge)和SOH(state of health)的估计精度,采用自适应扩展卡尔曼粒子滤波(adaptive extended Kalman particle filter,AEKPF)算法估算SOC和SOH,该算法通过修正噪声可以解决运用EKF(extended Kalman fil... 展开更多; 关键词锂离子电池 SOC估计 SOH估计自适应扩展卡尔曼粒子滤波算法联合估计; 在线阅读下载PDF 职称材料

锂电池能量状态与功率状态的联合估计被引量：6: 4; 作者范汝新张宵洋 +1 位作者张振福毛顺永《电源技术》 CAS 北大核心 2021年第10期1252-1255,1259,共5页; 锂电池精确的能量状态(SOE)和持续峰值功率状态(SOP)对于电动汽车的稳定运行特别重要,对此提出一种锂电池SOE与持续峰值SOP的联合估计方法。首先,基于二阶RC等效电路模型采用了扩展卡尔曼粒子滤波算法(EPF)来估计SOE。其次,结合SOE的估... 展开更多; 关键词锂电池能量状态持续峰值功率状态扩展卡尔曼粒子滤波算法多约束条件; 在线阅读下载PDF 职称材料

题名基于联合参数辨识的粒子群优化扩展粒子滤波的锂电池荷电状态估计被引量：13: 1; 作者贠祥张鑫王超范兴明; 机构桂林电子科技大学电气工程及其自动化系; 出处《电工技术学报》 EI CSCD 北大核心 2024年第2期595-606,共12页; 基金国家自然科学基金(61741126) 广西自然科学基金(2022GXNSFAA035533)资助项目。; 文摘提高参数辨识的精度和SOC算法的精度是提高SOC估计的关键,该文提出了基于联合参数辨识的粒子群优化扩展粒子滤波的荷电状态(SOC)估计方法。在参数辨识阶段,结合遗忘因子递推最小二乘法在线辨识的优势,弥补粒子群辨识精度高但前期缺乏数据无法实时辨识的劣势,联合进行参数辨识;在SOC估计阶段,利用扩展卡尔曼滤波生成重要性密度函数,去克服粒子退化,同时采用粒子群优化算法优化重采样策略改进采样过程缓解粒子贫化。最后在联邦城市运行(FUDS)和US06高速公路运行(US06)工况下将所提算法与F-PF、F-PSO-PF、FPSO-PSO-PF进行了对比,结果表明,在FUDS工况下,方均根误差分别提高了65.4%、56.3%和43.5%;在US06工况下,方均根误差分别提高了45.8%、35.9%和35.1%,验证了所提算法具有较好的适应性和鲁棒性。; 关键词锂电池粒子群算法扩展粒子滤波算法荷电状态; Keywords Li-ion battery particle swarm optimization algorithm extended Kalman particle filter state of charge(SOC); 分类号 TM912 [电气工程—电力电子与电力传动]; 在线阅读下载PDF 职称材料

题名基于扩展H_∞粒子滤波算法的视觉伺服雅可比矩阵在线辨识被引量：4: 2; 作者徐鹏杨宏韬李岩刘克平; 机构长春工业大学电气与电子工程学院; 出处《广西大学学报（自然科学版）》 CAS 北大核心 2017年第3期1051-1057,共7页; 基金吉林省科技发展计划项目(20150519009JH) 吉林省中青年科技创新领军人才及团队项目(201505190009JH) 吉林省教育厅"十三五"科学技术研究项目(2016338); 文摘为提高图像雅可比矩阵在线辨识精度,进而提高机器人轨迹跟踪的准确性,研究了基于图像的机器人视觉伺服系统中雅可比矩阵在线辨识方法。在非高斯环境下以机械手跟踪运动为应用实例,采用一种扩展H_∞粒子滤波算法对图像雅可比矩阵进行在线辨识,并且与卡尔曼滤波算法进行对比实验研究。实验结果表明,扩展H_∞粒子滤波算法具有较高的辨识精度和较强的鲁棒性,机器人轨迹跟踪精度得到提高,而且耗时较短,验证了扩展H_∞粒子滤波算法的有效性。; 关键词雅可比矩阵扩展H∞粒子滤波算法在线辨识; Keywords Jacobian matrix extended H∞ particle filter algorithm online identification; 分类号 TP241 [自动化与计算机技术—检测技术与自动化装置]; 在线阅读下载PDF 职称材料

题名基于AEKPF算法对锂离子电池SOC与SOH的联合估计被引量：10: 3; 作者张新锋姚蒙蒙宋瑞崔金龙; 机构长安大学汽车学院中汽研汽车检验中心(广州)有限公司; 出处《江苏大学学报（自然科学版）》 CAS 北大核心 2022年第1期24-31,共8页; 基金中央高校基本科研业务费专项资金资助项目(CHD2012JC048,72105473) 广东省重点领域研发计划项目(2020B090919004)。; 文摘为了提高锂离子电池SOC(state of charge)和SOH(state of health)的估计精度,采用自适应扩展卡尔曼粒子滤波(adaptive extended Kalman particle filter,AEKPF)算法估算SOC和SOH,该算法通过修正噪声可以解决运用EKF(extended Kalman filter)算法时的噪声误差累积问题,并且AEKF(adaptive extended Kalman filter)算法作为PF(particle filter)算法的建议分布用来实时更新粒子,可以改善单独采用PF算法时的粒子退化问题.为了提高SOC的估计精度,提出考虑电池的劣化特征,联合SOH实现对SOC的修正估计.在Matlab环境下的仿真结果表明:AEKPF算法与AEKF算法相比,可以得到更加准确的SOC和SOH估计值,而且AEKPF算法联合SOH可以有效提高SOC的估计精度,仿真绝对误差不超过±1%.; 关键词锂离子电池 SOC估计 SOH估计自适应扩展卡尔曼粒子滤波算法联合估计; Keywords Li-ion battery SOC estimation SOH estimation AEKPF algorithm joint estimation; 分类号 TM912 [电气工程—电力电子与电力传动]; 在线阅读下载PDF 职称材料

题名锂电池能量状态与功率状态的联合估计被引量：6: 4; 作者范汝新张宵洋张振福毛顺永; 机构山东科技大学海洋科学与工程学院; 出处《电源技术》 CAS 北大核心 2021年第10期1252-1255,1259,共5页; 基金矿山灾害预防控制省部共建国家重点实验室培育基地开放课题基金资助项目(MDPC2016ZR05)。; 文摘锂电池精确的能量状态(SOE)和持续峰值功率状态(SOP)对于电动汽车的稳定运行特别重要,对此提出一种锂电池SOE与持续峰值SOP的联合估计方法。首先,基于二阶RC等效电路模型采用了扩展卡尔曼粒子滤波算法(EPF)来估计SOE。其次,结合SOE的估计结果,在端电压、SOE和电池自身设计的多约束条件下对持续峰值SOP进行联合估计。最后,在动态应力工况对联合估计算法进行了Matlab仿真测试验证。测试结果表明了所提出的联合估计算法对于SOE和持续峰值SOP联合估计的有效性,并且具有较高的估计精度和较好的鲁棒性。; 关键词锂电池能量状态持续峰值功率状态扩展卡尔曼粒子滤波算法多约束条件; Keywords lithium battery SOE SOP extended Kalman particle filter multiple constraints; 分类号 TM912.9 [电气工程—电力电子与电力传动]; 在线阅读下载PDF 职称材料

	题名	作者	出处	发文年	被引量	操作
1	基于联合参数辨识的粒子群优化扩展粒子滤波的锂电池荷电状态估计	贠祥张鑫王超范兴明	《电工技术学报》 EI CSCD 北大核心	2024	13	在线阅读下载PDF 职称材料
2	基于扩展H_∞粒子滤波算法的视觉伺服雅可比矩阵在线辨识	徐鹏杨宏韬李岩刘克平	《广西大学学报（自然科学版）》 CAS 北大核心	2017	4	在线阅读下载PDF 职称材料
3	基于AEKPF算法对锂离子电池SOC与SOH的联合估计	张新锋姚蒙蒙宋瑞崔金龙	《江苏大学学报（自然科学版）》 CAS 北大核心	2022	10	在线阅读下载PDF 职称材料
4	锂电池能量状态与功率状态的联合估计	范汝新张宵洋张振福毛顺永	《电源技术》 CAS 北大核心	2021	6	在线阅读下载PDF 职称材料