导读:本文包含了参数与状态联合估算论文开题报告文献综述及选题提纲参考文献，主要关键词:锂离子电池,荷电状态,递推最小二乘法,无迹卡尔曼滤波
参数与状态联合估算论文文献综述
刘秭杉,孙立清[1]（2019）在《锂离子电池模型参数和荷电状态联合估算算法》一文中研究指出针对电动汽车锂离子电池状态估算问题,提出了一种复合的电池荷电状态(state of charge,SOC)估算算法。在固定参数卡尔曼滤波算法的基础上,引入基于遗忘因子的递推最小二乘法(forgotten factor recursive least square,FFRLS)进行电池模型参数在线辨识;基于在线模型参数,利用无迹卡尔曼滤波算法(unscented Kalman filter,UKF)估算电池SOC,实现电池模型参数和SOC的实时联合估算。采集电池充放电实验数据进行离线仿真,结果表明该算法能较好地跟踪电池工作状态,SOC估算误差基本稳定在3%以内。(本文来源于《中国科技论文》期刊2019年04期）
李超,刘忠庆[2]（2012）在《基于参数与状态联合估算的SOC预测法》一文中研究指出将参数和状态联合估算法应用于Ni/MH电池的SOC估算。该方法以二阶RC模型为基础,运用"两阶段自举算法",先用限定记忆的递推最小二乘法在线得出模型参数,再将这些参数应用于状态空间模型,并用扩展的卡尔曼滤波法得出SOC预测值。仿真结果表明该方法能大大提高SOC的估算精度。(本文来源于《电源技术》期刊2012年03期）
参数与状态联合估算论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
将参数和状态联合估算法应用于Ni/MH电池的SOC估算。该方法以二阶RC模型为基础,运用"两阶段自举算法",先用限定记忆的递推最小二乘法在线得出模型参数,再将这些参数应用于状态空间模型,并用扩展的卡尔曼滤波法得出SOC预测值。仿真结果表明该方法能大大提高SOC的估算精度。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
参数与状态联合估算论文参考文献
[1].刘秭杉,孙立清.锂离子电池模型参数和荷电状态联合估算算法[J].中国科技论文.2019
[2].李超,刘忠庆.基于参数与状态联合估算的SOC预测法[J].电源技术.2012