导读:本文包含了状态及参数估计论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:卡尔,状态,参数,算法,乘法,车辆,小二。
状态及参数估计论文文献综述
张佳倩,刘志虎[1]（2019）在《基于模型参数辨识和扩展卡尔曼滤波的锂电池荷电状态估计》一文中研究指出锂电池的荷电状态(SOC)估计作为电池管理系统的关键技术之一,直接影响到整个电池管理系统(BMS)的功能和效率。针对一般的简单多项式拟合SOC-OCV曲线提出了改进,采用了分段拟合的方式,能够降低拟合公式的阶数,提高拟合精度。结合戴维南(Thevenin)等效电路,以及充放电实验和混合脉冲功率特性(HPPC)实验进行参数辨识,得到状态方程和观测方程,采用扩展卡尔曼滤波算法(EKF)对锂电池的不同工况进行SOC估计。仿真结果表明,分段拟合SOC-OCV曲线能有效提高SOC估计精度,减少计算量。(本文来源于《工业控制计算机》期刊2019年09期）
樊东升,李刚[2]（2019）在《分布式驱动电动汽车状态参数估计综述》一文中研究指出由于汽车的状态参数在行驶过程中不断变化,从而影响车辆行驶状态的准确估计,针对这一问题,论文对分布式驱动电动汽车状态参数估计进行了综述,列举了常用的两种估计算法,分别从扩展卡尔曼滤波和容积卡尔曼滤波两个方面进行了论述,对比分析了两种算法之间的应用场景与估计效果。总结出通过信息融合技术的多滤波器融合成为车辆状态参数估计的主流方向。(本文来源于《汽车实用技术》期刊2019年15期）
胡均平,朱万霞,李科军,李勇成,任常吉[3]（2019）在《多算法结合的汽车参数和状态估计方法研究》一文中研究指出为实时准确获取汽车参数及状态信息以提高汽车主动安全性能,提出了一种多算法结合的自适应估计算法。该算法将递推最小二乘算法、蚁群优化算法及容积卡尔曼滤波算法进行有效结合,同时将含有不准确模型参数及未知时变噪声的叁自由度非线性整车模型作为标称模型。采用递推最小二乘算法实时估计汽车参数,引入蚁群优化算法实时跟踪容积卡尔曼滤波器的过程噪声及量测噪声,根据目标函数对噪声协方差进行寻优,以解决系统的噪声时变问题,从而获取汽车状态的准确估计。基于CarSim/Simulink的仿真实验结果表明,该算法的状态估计精度高,且具备汽车模型参数校正能力,可以满足系统的控制需要。(本文来源于《测控技术》期刊2019年07期）
邱新宇[4]（2019）在《稳健的锂电池等效电路模型参数辨识及荷电状态估计研究》一文中研究指出随着传统化石能源的日渐消耗以及各国政府对环境保护力度的不断加大,以新能源为动力的电动汽车(Electric Vehicle,EV)因其耗能低、无污染的优势已经被全世界所重视。锂电池荷电状态(State of Charge,SoC)估计作为电动汽车电池管理系统(Battery Management Systern,BMS)中最重要的核心技术之一,对整车的安全运行与节能管理都发挥着重大作用。当电动汽车运行在复杂工况时,如何对电池模型参数进行准确的在线辨识以及如何改进现有估计算法以处理非高斯噪声问题仍是研究难点之一。因此设计具有强鲁棒性的辨识算法和荷电状态估计算法仍有重要的学术价值。本文首先通过对锂电池二阶等效电路模型进行分析,确定了电池模型状态方程与观测方程,并列写了电池SoC-OCV方程。其次,为了有效抑制模型中的噪声对辨识精度的影响,本文在递推最小二乘算法的基本上添加了偏差补偿项,使其在含噪声情况下更准确的估计模型参数。第叁,在考虑非高斯噪声作为系统主要干扰之后,本文使用最大相关熵准则对扩展卡尔曼滤波(Extended Kalman Filter,EKF)的目标函数进行改进,推导得到了熵-扩展卡尔曼滤波(C-EKF)算法,为了加强C-EKF算法的数字稳定性,本文又使用加权最小二乘(Weighted Least Square,WLS)法对其改进,最终得到基于加权最小二乘法的扩展相关熵卡尔曼滤波算法(C-WLS-EKF)。仿真案例的分析表明,本文所改进的参数辨识算法以及荷电状态估计算法可以在满足在线辨识的要求并在非高斯噪声的干扰下实现最优估计。(本文来源于《西安理工大学》期刊2019-06-30）
陈尔康,荆武兴,高长生[5]（2019）在《弹性高超声速滑翔飞行器的状态/参数联合估计》一文中研究指出弹性高超声速滑翔飞行器具有强非线性、强不确定性和刚体/弹性耦合的特点,对其状态和参数进行估计十分必要。为解决这一问题,提出了一种传感器布置策略和一种利用正交叁角(QR)分解更新到达代价的滚动时域估计算法(MHE-QR)。首先,建立了考虑弹性的传感器观测模型并分析了传感器位置对可观性的影响,并在此基础上提出了一种反映系统可观性的性能指标。传感器布置策略以此性能指标为目标函数,将传感器布置问题转化为约束非线性优化问题并求解,即可得到最优传感器布置方案。然后提出了MHE-QR算法。在滚动时域估计的框架下,该算法利用前向动态规划原理将到达代价的计算转化为最小二乘问题,并给出了基于QR分解的到达代价更新算法。仿真结果表明该传感器布置策略和MHE-QR算法能够有效提高估计精度、收敛速度和计算速度。此外,MHE-QR算法具有实时应用的潜力。(本文来源于《航空学报》期刊2019年08期）
马骉[6]（2019）在《基于车辆状态参数估计的多时间尺度车辆稳定性滚动优化控制方法》一文中研究指出现如今,交通事故屡见不鲜。随着汽车行业的快速发展,人们关注的重点在于如何能提高汽车的安全性、舒适性,减少意外事故的发生。国内外的学者对自主驾驶车辆的研究也越来越多,同时也研究出许多种有效的电控系统来实现车辆智能化的发展。关于汽车主动安全性的问题,车辆横摆稳定性控制至关重要。为了能够改善车辆整体性能,车辆状态参数辨识对车辆稳定性控制具有重要意义。如何对车辆状态参数进行辨识和车辆横摆稳定性控制是本文的关注点。本论文在国家自然科学基金重大项目课题四(No.61790564)“极限工况下汽车运动一体化协同控制”,国家自然科学基金国际(地区)合作与交流重点项目(No.61520106008)“面向安全化得电动化汽车能效滚动优化”和国家自然科学基金青年基金项目(No.61703176)“非线性模型预测控制的快速计算方法研究及应用”的资助下,进行了如下的研究和分析。针对横摆稳定性控制问题,本文提出了多时间尺度车辆横摆稳定性滚动优化控制方法,同时考虑了转向驾驶行为和横向稳定控制的不同时间尺度,分别建立驾驶员决策模型和非线性横向集成控制器。驾驶员行为和横向主动安全控制分属不同的时间尺度,使控制器能够满足不同时间尺度的综合控制。本文使用模型预测控制算法将控制问题转化为带约束的非线性规划问题,通过优化得到方向盘转角和附加横摆力矩。并且通过制动力分配策略将附加横摆力矩作用在车辆上。通过多种仿真工况,验证控制器的有效性。车辆横摆稳定性控制可以进一步提高车辆的稳定性能并改善汽车的驾驶舒适性。汽车的状态参数辨识对提高汽车的安全性有着重要的意义,由于车辆状态参数的实时获取对控制器设计具有一定的影响。最主要的问题就是如何能够实时准确的获取车辆的行驶状态信息。对于车辆所有的行驶状态信息都需要用传感器来实现那是不可能的,所以引入了估计理论。针对如何获得车辆状态参数问题,本文提出了车辆质量估计和道路坡度估计方法,在车辆行驶过程中,道路的变化和传感器的精度导致无法准确地获取车辆行驶状态信息,因此限制了汽车主动安全技术的发展。在车辆行驶期间,车辆的纵向速度和车辆的横摆角速度在车辆主动安全控制方面是非常重要的。本文主要针对最小二乘质量辨识估计器对车辆的质量估计和全维状态观测器对道路坡度估计两方面进行研究。针对车辆纵向车速和侧向车速以及横摆角速度等状态信息,基于全维状态观测器理论,建立道路坡度估计器。基于车辆纵向动力学模型,采用最小二乘估计方法,建立车辆质量估计器。由于车辆内部的系统是复杂的,状态量之间也有很强的耦合性,根据车辆动力学方程,建立车辆动力学模型来代替真实车辆,使用车辆动力学仿真软件veDYNA进行联合仿真。最后,在几种典型工况下验证了估计器和控制算法。根据仿真验证的结果,本文设计的估计器和控制器具有一定的准确性和有效性。(本文来源于《吉林大学》期刊2019-06-01）
董喜乐[7]（2019）在《锂离子电池模型参数和荷电状态联合在线估计方法研究》一文中研究指出当今我国能源和环境问题日益突出,电动汽车凭借其排放少、污染小和噪音小等优点,得到了大力推广和广泛关注。电池管理系统(Battery Management System,BMS)及其核心算法等电动汽车关键技术的研究成为当下研究热点,其中荷电状态(State of Charge,SOC)的在线准确估计是BMS研究的重点问题。本论文依托国家自然科学基金面上项目“锂离子动力电池状态与参数自适应联合估计理论研究”,重点研究了基于双扩展卡尔曼滤波(Dual Extended Kalman Filter,DEKF)的模型参数和荷电状态联合在线估计方法及其在BMS中的开发实现,全文内容如下所列:首先,介绍了5种锂离子电池等效电路模型,选择结构简单、参数辨识容易的戴维南等效电路模型作为研究使用的电池模型;利用离线参数辨识实验获取电池参数,分析了各参数随SOC、温度和倍率的变化规律;推导了离散的锂离子电池状态空间方程。其次,为了解决模型参数在复杂环境下变化导致SOC估计精度降低的问题,提出了基于带遗忘因子的递推最小二乘法(Forgetting Factor Recursive Least Squares,FFRLS)的参数在线辨识方法和基于扩展卡尔曼滤波(Extended Kalman Filter,EKF)的参数在线辨识方法,并进行了宽温区、多工况的动态工况测试,通过比较发现基于EKF的参数在线辨识方法具有更高的精度。之后,将参数在线辨识和SOC估计相结合,构建了基于DEKF的模型参数和荷电状态联合在线估计方法,实现了模型参数和SOC实时在线估计,并在Matlab/Simulink中构建了仿真模型;利用动态工况测试数据,从叁个误差源入手,全面、系统地讨论了DEKF方法在复杂运行环境下的鲁棒性,得出结论:DEKF算法具有较强的鲁棒性和较高的SOC估计精度,SOC估计误差绝对值在3%以内,收敛时间在100s以内。最后,进行DEKF算法在BMS中的开发与实现,搭建实验平台进行台架实验,模拟各种复杂工况,在线验证DEKF算法在实际系统中适用性和可靠性,得出结论:在宽温区、多工况下,BMS中的DEKF算法均表现出良好的SOC估计性能,SOC估计误差绝对值在3%以内,收敛时间在100s以内。本文首次将DEKF算法移植进实际的BMS中,对该算法的工程化应用做了积极有益的探索。(本文来源于《北京交通大学》期刊2019-05-01）
江志政[8]（2019）在《叁驱电动叉车状态参数估计及滑移率控制方法研究》一文中研究指出叉车作为一种工业车辆被广泛地运用于货物的搬运和装卸,电动叉车因其节能环保以及操作灵活而越来越受到市场的青睐,而车辆状态参数估计问题以及滑移率的控制方法问题是目前电动车辆主动安全控制技术的热点,并且主动安全控制技术对工业车辆的稳定性发挥着至高重要的作用。本文以某公司的叁驱电动叉车作为研究对象并对电动叉车的主动安全控制技术进行了深入研究。首先基于牛顿运动学原理建立了电动叉车动力学模型,在此基础上针对本文的研究主题选取了合适的非线性轮胎模型,为后文的控制方法提供了一个模型平台。其次,针对电动叉车的车载传感器不丰富以及车辆部分状态参数难以测量的问题,选取了合适的非线性滤波估计算法对电动叉车的参数进行估计,考虑到实际行驶过程中含有时变噪声的影响,对原滤波估计算法进行了优化,并在Matlab/Simulink仿真平台下对不同滤波算法的滤波效果进行了仿真对比。此外,针对车辆加速和减速过程的滑模控制律不同的特点,设计了一种函数来近似滑移率并设计了一种集成滑模控制器,考虑到滑模控制器存在着系统抖振以及趋近律参数的选择问题,采用了一种模拟退火遗传算法对滑模控制器的趋近律参数进行优化的方法,最后在Matlab/Simulink仿真平台下对比了不同工况下不同控制算法的滑移率的控制效果。(本文来源于《合肥工业大学》期刊2019-05-01）
袁琛琦[9]（2019）在《人—车—路闭环系统下的车辆状态参数估计研究》一文中研究指出人-车-路是道路交通安全研究不可分割的整体,随着人们对车辆主动安全性的要求越来越高,准确实时地获取车辆行驶的状态参数信息显得尤为重要。现有的针对人-车-路闭环系统下的车辆状态参数估计研究较少,且普遍将车辆运动做了较大程度的简化。鉴于此,本文设计基于卡尔曼滤波算法的车辆状态参数估计模型,拟探究考虑驾驶员(人)、车辆(车)和道路环境(路)综合影响下的车辆状态参数估计问题。首先,分析了人-车-路闭环系统的理论依据、建立方法和总体结构,在MATLAB/Simulink环境下建立整车仿真模型,通过移线、蛇形等常用试验工况验证所建模型的可靠性。其次,在闭环系统的基础上,结合扩展卡尔曼滤波算法的原理和特点,以前轮转角信号作为控制输入,纵向加速度、侧向加速度和横摆角速度信号作为测量输出进行状态估计器的设计,实现了对车辆纵向速度、侧向速度和横摆角速度的准确估计。最后,针对所建驾驶员模型在汽车速度高、方向盘转角大等复杂条件下不能再模拟驾驶员操作行为的问题,设计汽车驾驶员模糊PID控制模型,利用模糊推理的方法实现了对PID参数的在线自动整定,将驾驶员输出转角信息输入到Carsim闭环整车系统中,用于设计考虑滑移率影响的车辆纵向车速估计模型。结合闭环系统特点和驾驶员操作行为,选定Carsim自带的A/B/C叁种车型验证估计模型的有效性,以初始速度、路面附着系数和卡尔曼滤波器参数(v_(x0),μ,Q_(k-1)/R_k/X_0/P_(k0))叁类指标作为评价状态参数估计效果的依据,在v_(x0)和μ确定的情况下,讨论了滤波器的参数配置对状态参数估计的影响。典型工况下的闭环仿真结果表明,文中所设计的两种状态参数估计模型具有较高的估计精度,在特定工况和合理的滤波器参数配置下能够满足车辆主动安全系统的要求;另一方面,由v_(x0)、μ和Q_(k-1)/R_k/X_0/P_(k0)可以更加全面地描述仿真估计模型的可靠性,叁类评价指标的评价结果在一定程度上相互联系,弥补了单一评价指标的缺陷;从影响程度看,测量噪声方差矩阵R_k对估计效果影响最大、初始状态X_0次之,再其次为过程噪声方差矩阵Q_(k-1),而初始方差矩阵P_(k0)影响最低。(本文来源于《武汉科技大学》期刊2019-05-01）
周韦润[10]（2019）在《动力电池参数辨识和荷电状态估计研究》一文中研究指出随着新能源汽车技术的飞速发展,纯电动汽车因其能源清洁、环境友好的特点,已经成为全球汽车研发的主要方向。动力电池作为新能源汽车的核心部件和主要动力来源,通过电池管理系统对动力电池进行合理、完善的监控能够有效提高电动汽车的行驶里程。而动力电池的荷电状态是电池管理系统中最重要的状态量。电池SOC的精确估计为电池能量的管理和分配提供了依据,因此具有非常重要的工程价值。电池SOC无法直接测量,只能先建立准确的电池模型,然后再利用控制算法对电池SOC进行估计。为了更好的了解锂离子电池的特性,建立了电池测试平台,完成了不同温度下电池容量衰减度、最大可用容量、充放电倍率和开路电压的测试。根据测试分析,建立了变阶RC等效电路模型,兼顾了模型适用性和简易性的特点。基于BIC准则完成对电池模型阶数的选择。采用含遗忘因子的最小二乘算法对模型参数进行实时更新。在建立电池模型之后,通过在恒温条件和变温条件下的充放电测试,验证了与固定阶数的模型相比,变阶模型具有更高的辨识精度,辨识精度在2.8%以内。在建立电池动态模型之后,提出基于自适应协方差匹配的双卡尔曼滤波算法,对电池SOC进行实时估计。该算法针对双卡尔曼滤波算法中系统噪声的协方差固定不变的缺点,引进自适应协方差匹配法对系统噪声特性进行实时在线修正,从而达到抑制滤波发散,提高估算精度的目的。通过对恒温条件和变温条件下电池的充放电实验,使用扩展卡尔曼滤波算法、双卡尔曼滤波算法和本文提出的估计算法对SOC估算结果进行对比分析,验证了基于自适应协方差匹配的双卡尔曼滤波算法具有更好的估算精度,误差在3.5%以内,并且算法具有较强的鲁棒性。最后对动力电池包的SOC估计方法与单体电池的估算的不同进行了简单的介绍,提出了一种基于电池包简化的模型的SOC估算。为了验证算法在工程中的应用能力,对电池包进行自定义充放电测试,通过采集电池包的电压、电流和温度等数据,并导入电池测试设备中,获得SOC的理论值。然后将数据输入自适应双卡尔曼滤波算法中,获得估计值。将估计值和理论值进行对比分析,对比误差在5%以内。从对比结果中可以验证该算法具有实用价值。(本文来源于《江苏科技大学》期刊2019-04-25）
状态及参数估计论文开题报告
（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：
由于汽车的状态参数在行驶过程中不断变化,从而影响车辆行驶状态的准确估计,针对这一问题,论文对分布式驱动电动汽车状态参数估计进行了综述,列举了常用的两种估计算法,分别从扩展卡尔曼滤波和容积卡尔曼滤波两个方面进行了论述,对比分析了两种算法之间的应用场景与估计效果。总结出通过信息融合技术的多滤波器融合成为车辆状态参数估计的主流方向。
（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。
状态及参数估计论文参考文献
[1].张佳倩,刘志虎.基于模型参数辨识和扩展卡尔曼滤波的锂电池荷电状态估计[J].工业控制计算机.2019
[2].樊东升,李刚.分布式驱动电动汽车状态参数估计综述[J].汽车实用技术.2019
[3].胡均平,朱万霞,李科军,李勇成,任常吉.多算法结合的汽车参数和状态估计方法研究[J].测控技术.2019
[4].邱新宇.稳健的锂电池等效电路模型参数辨识及荷电状态估计研究[D].西安理工大学.2019
[5].陈尔康,荆武兴,高长生.弹性高超声速滑翔飞行器的状态/参数联合估计[J].航空学报.2019
[6].马骉.基于车辆状态参数估计的多时间尺度车辆稳定性滚动优化控制方法[D].吉林大学.2019
[7].董喜乐.锂离子电池模型参数和荷电状态联合在线估计方法研究[D].北京交通大学.2019
[8].江志政.叁驱电动叉车状态参数估计及滑移率控制方法研究[D].合肥工业大学.2019
[9].袁琛琦.人—车—路闭环系统下的车辆状态参数估计研究[D].武汉科技大学.2019
[10].周韦润.动力电池参数辨识和荷电状态估计研究[D].江苏科技大学.2019
论文知识图
