![](https://img-blog.csdnimg.cn/20200521102932508.jpg?x-oss-process=image/resize,m_fixed,h_224,w_224)
BMS Code
BMS开发相关操作实践等。
yourbitStefan
这个作者很懒,什么都没留下…
展开
-
限幅滤波和一阶滞后滤波(基于ESR估计)
reference:10种简单常用滤波方法Github-Stefanbit19961. 问题背景 Backgrounds此问题基于一种简单的动力电池SOH估计方法,即通过估计ESR(Equivalent-Series Resistance)来实现。估计ESR R0R_0R0 是一个相对比较简单的问题,以为它对于端电压测量是比较敏感的,这可以通过下面的过程来证明。2.敏感性验证 Sensitivity validation根据Dr.Plett的课程中的等效电路模型vk=OCV(zk)+Vh.原创 2020-06-23 18:41:39 · 811 阅读 · 0 评论 -
Kalman Filter与RLS的区别
1.估计准则常用的估计准则包括:无偏估计:即假设状态的估计值与真实值的平均值相等。最小二乘估计:不考虑数据的统计特性,如期望,方差等,直接用最小二乘法得到最优估计。误差方差最小:在满足最小二乘估计的同时,使得估计的误差方差最小。这一约束可以通过一系列等价的推导获得,前提是要事先知道测量数据噪声的方差。简单来说就是,满足误差方差最小必满足误差平方和最小,反之不成立。而无偏估计是最基本假设。原文链接:https://blog.csdn.net/qinruiyan/article/details/5原创 2020-06-08 23:16:44 · 1875 阅读 · 0 评论 -
【octave】nested functions not implemented in this context解决方法
nested functions not implemented in this context解决方法1.问题产生2.内嵌函数3.解决方式1.问题产生在处理Coursera course - Algorithms for Battery Management System - Part 3 - Battery State of Charge Estimation - Week 7 - Capstone 2 - Tuning SPKF时,内嵌函数在jupyter notebook的octave环境下运行原创 2020-05-31 13:31:16 · 704 阅读 · 2 评论 -
使用2-D Lookup Table模块实现RLS-EKF温度适应
使用2-D Lookup Table模块实现RLS-EKF温度适应改动情况RLSEKF_20200513_2/RLS-EKF2/EKF_SOC/SOC-OCV-T Lookup TableRLSEKF_20200331/RLS-EKF/EKF_SOC/cal/cal_UocRLSEKF_20200331/RLS-EKF/EKF_SOC/cal/cal_C1性能比较数据记录改动情况本次改动的模块为:RLSEKF_20200513_2/RLS-EKF2/EKF_SOC/SOC-OCV-T Lookup原创 2020-05-13 11:13:40 · 1263 阅读 · 0 评论