无迹卡尔曼滤波UKF和容积卡尔曼滤波CKF进行锂电池SOC估计的C语言版本实现

（C语言版）无迹卡尔曼滤波UKF和容积卡尔曼滤波CKF进行锂电池SOC估计的C语言版本实现，和matlab版本一样包含定参和FFRLS两种情况，已在VS2019和Ubuntu 20.04.4版本中运行成功，根据输出文件数据在origin中绘图如图2，3所示

一、引言

无迹卡尔曼滤波（UKF）和容积卡尔曼滤波（CKF）是常用于估计非线性系统状态和参数的滤波方法。锂电池的状态（SOC）估计是电动汽车（EV）和混合动力汽车（HEV）中的核心问题之一。因此，UKF和CKF在锂电池SOC估计中得到广泛应用。本文将介绍C语言版本的UKF和CKF在锂电池SOC估计中的实现。

二、无迹卡尔曼滤波（UKF）

无迹卡尔曼滤波（UKF）是一种基于卡尔曼滤波的非线性系统状态估计方法。UKF通过将原始状态向量进行非线性变换，得到一组sigma点，然后将这些sigma点通过非线性函数进行映射，得到新的sigma点。通过对这些sigma点的加权平均，可以得到系统状态的估计值。在锂电池SOC估计中，UKF是一种常用的滤波方法。

我们在C语言中实现了UKF算法。该算法包括定参和FFRLS两种情况，并已在VS2019和Ubuntu 20.04.4版本中运行成功。根据输出文件数据在origin中绘图如图2，3所示。该算法在计算中使用了多维数组，提高了计算效率。

三、容积卡尔曼滤波（CKF）

容积卡尔曼滤波（CKF）是一种基于卡尔曼滤波的非线性系统状态估计方法。与UKF类似，CKF也通过对原始状态向量进行非线性变换，得到一组sigma点。不同的是，CKF使用了容积测度来选择sigma点，以提高滤波的准确性。在锂电池SOC估计中，CKF也是一种常用的滤波方法。

我们在C语言中实现了CKF算法。该算法包括定参和FFRLS两种情况，并已在VS2019和Ubuntu 20.04.4版本中运行成功。根据输出文件数据在origin中绘图如图2，3所示。该算法在计算中使用了容积测度，能够准确地选择sigma点，提高了滤波的准确性。

四、实验结果

我们在实验中使用C语言实现了UKF和CKF算法，在锂电池SOC估计中得到了良好的结果。通过将输出文件数据导入origin中，我们绘制了图2和图3，分别展示了UKF和CKF算法在锂电池SOC估计中的表现。

五、结论

本文介绍了C语言版本的无迹卡尔曼滤波（UKF）和容积卡尔曼滤波（CKF）在锂电池SOC估计中的实现。我们在VS2019和Ubuntu 20.04.4版本中成功运行了两种算法，并得到了良好的实验结果。UKF和CKF是常用于估计非线性系统状态和参数的滤波方法，在锂电池SOC估计中得到广泛应用。我们的C语言实现提高了计算效率和滤波的准确性，能够满足实际应用的需求。

相关代码,程序地址：http://lanzouw.top/678627286002.html