导读:本文包含了参数在线估计论文开题报告文献综述及选题提纲参考文献,主要关键词:SOC估计,二阶RC模型,在线参数辨识,扩展卡尔曼滤波
参数在线估计论文文献综述
田茂飞,安治国,陈星,赵琳,李亚坤[1](2019)在《基于在线参数辨识和AEKF的锂电池SOC估计》一文中研究指出SOC的准确估计对提高电池的动态性能和能量利用效率至关重要,估计过程中,模型参数不准确以及系统噪声的不确定性都会对结果产生较大影响。为减小模型参数辨识和系统噪声对SOC估计精度的影响,本文采用二阶RC等效电路模型,结合自适应扩展卡尔曼滤波算法(AEKF)进行锂电池的SOC估计。用带有遗忘因子的最小二乘法对模型参数进行在线辨识,以减小由参数辨识引起的估计误差,AEKF可以对系统和过程噪声进行修正,从而减小噪声对SOC估计的影响。最后分别用EKF和AEKF进行SOC估计并比较其误差,结果表明,AEKF联合最小二乘法参数在线辨识具有更高的精度和更好的适应性。(本文来源于《储能科学与技术》期刊2019年04期)
董喜乐[2](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)
袁赛,邓志刚,帅孟超[3](2019)在《大容量锂电池在线参数辨识及SOC联合估计》一文中研究指出为了提高对大容量磷酸铁锂电池的在线联合精度,分别对在线参数辨识、及SOC估计两部分做了研究。对电池建立了二阶RC等效电路模型,求出了状态表达方程式;使用变遗忘因子的递推最小二乘法来进行在线参数辨识。在多脉冲放电实验工况下,离线参数辨识的最大误差为4.86%(0.18V);而采用变遗忘因子递推最小二乘法,在线辨识的最大误差为1.89%(0.07V)。在线参数辨识不仅实现了实时性,也提高了精度。在参数辨识的基础上,分别采用扩展卡尔曼滤波算法(EKF)、无迹卡尔曼滤波算法(UKF)对电池SOC进行联合估计。在多脉冲放电实验工况中,当SOC的初始误差在30%以内时,UKF算法收敛到误差允许范围内的最大时间为400s;EKF算法收敛到误差允许范围内的最大时间为1100s(实验中电池的总运行时间为18000s)。且当SOC初值正确时,UKF的最大误差为3.2%,而EKF的误差约为7.8%。因此,UKF的鲁棒性、精确度明显优于EKF。(本文来源于《电气开关》期刊2019年02期)
何志刚,周洪剑,盘朝奉,魏涛[4](2019)在《电池双滤波结构下模型参数与状态在线估计》一文中研究指出在使用贝叶斯族估算电池荷电状态(SOC)时,由于电池初始参数及系统模型的不确定性,此类算法可能致使算法在运行中的某个时间点出现发散的情况。对此,采用改进型容积卡尔曼双滤波算法在线联合估计电池模型参数和SOC。同时,在对电池进行容量测试以及混合功率测试的基础上,使用对该算法电池进行评估。实验结果表明了电池状态估计的最大绝对误差为2. 95%,平均绝对误差为1. 20%。通过与单一滤波结构的算法进行对比,说明了双滤波结构在估算精度以及算法稳定性方面更优。(本文来源于《科学技术与工程》期刊2019年04期)
周小杰,王超,李平[5](2018)在《一种单相并网逆变器参数在线估计方法》一文中研究指出单相并网逆变器广泛地应用于新能源发电和储能装置中,其控制效果的优劣直接关系到并网的性能。要获得较好的控制效果依赖于精确的数学模型。逆变器的数学模型与系统的参数有关(等效损耗电阻、滤波电感),这些参数在逆变器运行过程中并不是固定不变的。采用基于瞬时功率的模型参考自适应控制方法在线估计系统参数,从而获得精确的数学模型。最后,实验结果证明了该方法在线估计系统参数的正确性和有效性。(本文来源于《电气传动》期刊2018年08期)
薛安成,游宏宇,苏大威,徐劲松,周健[6](2018)在《基于中位数估计和相分量模型的输电线路序参数在线抗差辨识》一文中研究指出实测相量测量单元(PMU)数据中存在随机噪声和不良数据,造成线路正序和零序参数辨识精度降低,故而会导致状态估计合格率低等问题,从而影响电力系统调度运行。针对上述问题,提出了一种基于PMU数据、线路相分量模型和中位数估计的输电线路正序和零序参数在线抗差辨识方法。该方法仅需多次正常运行时叁相不平衡下的线路双端PMU相电压、相电流量测数据,并利用相分量模型实现正序和零序参数同时辨识,利用中位数抗差减少数据量需求。具体地,建立了线路叁相参数的π型等值相分量模型,基于最小二乘法推导了获得其参数的辨识方法;应用结合中位数估计的抗差最小二乘法进行辨识,该方法可避免极端值和大部分量测中粗差对辨识结果的影响;利用仿真及实测数据验证了所提方法的有效性以及算法的抗噪和抗差能力。(本文来源于《电力自动化设备》期刊2018年08期)
何百练[7](2017)在《锂电池状态参数在线估计技术研究》一文中研究指出电池管理系统(Battery Management System,BMS)是电动汽车系统中最重要的系统之一,电动汽车的所有电池由电池管理系统统一进行管理,优良的电池管理系统,为电动汽车安全工作提供了重要保证。电池状态参数于电池管理系统甚至其他整车管理系统中扮演着重要的角色,并且是其他系统所需参数的来源。本文主要研究电池管理系统中最关键的描绘电池荷电状态的SOC值和描绘电池使用寿命SOH值。精准的锂电池电池电化学模型有利于精准的估计状态参数。本文主要围绕车用锂离子电池,针对电池管理系统,通过研究电池的电化学机理,并利用电化学模型开发了状态估计算法。由于电池内部化学反应较复杂,模型计算复杂的特点,研究电池机理从而简化电化学模型,并利用简化模型进行参数在线估计。本文首先针对传统电池准二维机理模型进行分析,并与单粒子模型进行比较,分析两种模型的优劣,并针对电池管理系统,结合传统单粒子模型与准二维机理模型,提出一种对单粒子模型的改进模型,将准二维机理模型作为标准,分析模型的可行性。从锂电池的模型出发,针对某种电池机理模型,研究电池的状态参数在线估计,电池的荷电状态为对现有电量所对应一个直观表达式,研究电池的电荷情况,有利于电池的管理系统对工作对象的使用情况进行控制,对于电池系统的管理工作而言,针对单粒子改进模型,采用扩展卡尔曼滤波算法和遗传算法分析电池的荷电状态,并分析结果,结果表明扩展卡尔曼滤波算法和遗传算法皆能较好的估算电池的荷电状态,但由于电化学模型为一个复杂的非线性系统,采取遗传算法结果更精准,误差低于1%。针对常用电池健康情况参数估计方法方式,选取容量作为电池管理系统的健康状态的估计依据,并分析电池机理模型中实际对电池容量产生影响的因素,针对电池的健康状态,选取双水箱模型分析电池的健康状态,并与循环寿命试验结果进行对比分析,验证算法的可行性。结果表明,电池的嵌锂率,电极材料体积分数为电池健康状态的主要影响因素。结合电池管理系统与实际电动汽车工况,将估计算法应用于实际BMS工程,分析通过实验得出的SOC、SOH和仿真得出的SOC、SOH进行比较,验证算法的可行性,性能指标满足系统要求。(本文来源于《电子科技大学》期刊2017-03-01)
王帅帅[8](2016)在《探月飞船跳跃式再入参数在线估计与先进制导方法研究》一文中研究指出探月飞船返回再入地球时的速度接近第二宇宙速度,为满足任务航程需要,减小过载和热流峰值,常采用跳跃式轨道再入。由于探月飞船再入过程中,外界环境和受力情况复杂,制导控制难度大,再入制导技术一直是探月飞船返回再入地球大气层的关键技术之一。本文以探月飞船跳跃式再入返回地球为研究背景,对其再入制导方法展开研究,主要研究工作包括:研究了跳跃式再入制导的相关技术问题,设计了再入制导律。(1)从倾侧角幅值剖面、倾侧角翻转逻辑和快速预测与校正叁方面阐述跳跃式再入制导的关键问题,提出了一种基于数值预测-校正的再入制导方法;(2)最优倾侧角幅值剖面分析表明,常值倾侧角剖面在调整最大过载、机动能力、满足航程约束等方面与复杂形式倾侧角剖面(比如常值+线性剖面)区别不大;(3)蒙特卡洛打靶仿真表明大气密度和气动系数误差对再入轨道形态影响最大,需对其进行在线估计与修正。研究了基于卡尔曼滤波的气动参数在线估计与修正的预测-校正方法。(1)分析了大气密度和气动系数的误差产生机理,解释了过程参数误差影响预测-校正再入制导的本质原因;(2)研究如何利用自身携带传感器进行气动参数在线估计,提出了基于卡尔曼滤波的气动参数在线辨识估计方法;(3)分析了过程参数误差对预测-校正法制导效果的影响机理,提出基于气动参数在线估计与修正的预测-校正法,依据再入轨道特性和修正因子不同扰动模型提出不同的在线辨识修正策略,通过蒙特卡洛打靶仿真,分析验证了该方法的有效性、鲁棒性和航程适应性。研究如何解决传统数值预测-校正法计算量大、实时性差的问题,提出一种基于模糊逻辑的预测-校正制导方法。(1)分析了数值预测-校正再入制导策略,得到预测落点纵程偏差与倾侧角调整量、飞行剩余能量之间的模糊关系;(2)基于模糊控制思想,设计了以预测落点纵程偏差和飞行剩余能量为输入,倾侧角修正量为输出的模糊逻辑系统;(3)用模糊逻辑系统改进预测-校正法的校正环节,减小制导指令的解算时间和计算量,提出了基于模糊逻辑的预测-校正方法,通过打靶仿真分析验证了该方法的有效性和鲁棒性。(本文来源于《国防科学技术大学》期刊2016-11-01)
张国会,周世杰[9](2016)在《论基于参数在线估计的交流异步电动机效率最优控制》一文中研究指出能源的紧缺让越来越多的自动化产品奔向高效研究,交流异步电机就是其中成效比较明显的一个,异步电机能耗模型的优化控制的重要影响因素就是参数的变化,如何快速和准确的将最优参数计算,是电机研究专家较为关注的问题。详细介绍了异步电动机能耗模型和优化策略,提出了使用效率优化方法来实现损耗模型的参数估计,为提高电机效率提供理论参考。(本文来源于《黑龙江科技信息》期刊2016年26期)
吕建强[10](2016)在《惯性/卫星组合导航参数在线估计方法研究》一文中研究指出惯性/卫星组合导航在进行滤波时,需要惯性导航和卫星导航的噪声信息,在实际使用时主要靠经验进行预先设置,但是在飞行环境中,噪声可能会发生变化,这将导致组合导航滤波效果降低,甚至可能导致滤波发散;另外对基于速度位置的惯性/卫星组合导航,姿态角误差等状态量的在线修正精度一直不高,导致修正后的速度位置误差发散较快。针对上述问题,需要研究组合导航参数的在线估计,以实现更少先验信息更加可靠的惯性/卫星组合导航。本文的主要研究内容为:推导捷联惯导的导航方程,建立惯性/卫星组合导航滤波模型;针对参数在线估计问题,提出一种带参数估计的组合导航新架构;结合新架构,对滤波的状态变量进行可观测性分析,从理论推导和仿真试验两个方面分析滤波的影响因素,提出具体的可估计参数;基于提出的新架构,研究建立采用遗传算法实现参数在线估计的并行计算方法;并采用均匀设计对遗传算法的初始种群进行了优化,针对遗传算法的适值函数问题,进行评价方法和收敛判定方法的研究;最后仿真验证表明参数估计方法是有效的。(本文来源于《中国航天科技集团公司第一研究院》期刊2016-06-02)
参数在线估计论文开题报告
(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:
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。
(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。
参数在线估计论文参考文献
[1].田茂飞,安治国,陈星,赵琳,李亚坤.基于在线参数辨识和AEKF的锂电池SOC估计[J].储能科学与技术.2019
[2].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
[3].袁赛,邓志刚,帅孟超.大容量锂电池在线参数辨识及SOC联合估计[J].电气开关.2019
[4].何志刚,周洪剑,盘朝奉,魏涛.电池双滤波结构下模型参数与状态在线估计[J].科学技术与工程.2019
[5].周小杰,王超,李平.一种单相并网逆变器参数在线估计方法[J].电气传动.2018
[6].薛安成,游宏宇,苏大威,徐劲松,周健.基于中位数估计和相分量模型的输电线路序参数在线抗差辨识[J].电力自动化设备.2018
[7].何百练.锂电池状态参数在线估计技术研究[D].电子科技大学.2017
[8].王帅帅.探月飞船跳跃式再入参数在线估计与先进制导方法研究[D].国防科学技术大学.2016
[9].张国会,周世杰.论基于参数在线估计的交流异步电动机效率最优控制[J].黑龙江科技信息.2016
[10].吕建强.惯性/卫星组合导航参数在线估计方法研究[D].中国航天科技集团公司第一研究院.2016