ekf估计电池soc过程推导(二)卡尔曼滤波估计电池状态

本文介绍了使用Simulink进行电池建模,并通过扩展卡尔曼滤波(EKF)算法流程,包括先验估计、误差更新、滤波器增益更新和最优估计等步骤,来估计电池的状态-of-charge(SOC)。通过循环更新,实现对SOC和Up的快速拟合。
摘要由CSDN通过智能技术生成

simulink建模

电池用simulink建模,模型从网上找的。

 input current好像是电动公交的充放电电流,我有点记不清楚了。

 输入电流

EKF算法流程

先验估计:

x_{k|k} = A(k-1)x_{k|k-1} +B(k-1)u(k-1)

先验估计误差更新:

P_{k|k} = A(k-1)P_{k|k-1} + Q(k-1)

滤波器增益更新:

L(k) = C^T(k)P_{k|k-1}[C(k)P_{k|k-1}C^T(k)+R(k)]^{-1}

最优估计:

x_{k+1|k} = x_{k|k} + L(k)[y(k)-C(k)_{k|k}-D(k)u(k)]

最优估计误差更新:

P_{k+1|k}=[I-L(k)C(k)]P_{k-1|k-1}

至于公式里的ACD矩阵,都是上一篇状态方程里的,P矩阵是更新出来的,用更新的P去更新第二步卡尔曼增益,估计x,协方差误差更新。

EKF的部分网上讲的太多了,可以看看各路大神的解释,总之带入之后循环更新,我们就可以快速拟合SOC和Up了。

  • 2
    点赞
  • 6
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值