文献类型：期刊文章

作　　者：许元武[1] 吴肖龙[1] 陈明渊[1] 蒋建华[1] 邓忠华[1] 付晓薇[2] 李曦[1,3]

XU Yuan-wu;WU Xiao-long;CHEN Ming-yuan;JIANG Jian-hua;DENG Zhong-hua;FU Xiao-wei;LI Xi(School of Artificial Intelligence and Automation, Key Laboratory of Image Processing and Intelligent Control of Education Ministry,Huazhong University of Science Technology, Wuhan Hubei 430074, China;School of Computer Science and Technology, Hubei Province Key Laboratory of Intelligent Information Processing andReal-time Industrial System, Wuhan University of Science and Technology, Wuhan Hubei 430065, China;Research Institute of Huazhong University of Science and Technology in Shenzhen, Shenzhen Guangdong 518057, China)

机构地区：[1]华中科技大学人工智能与自动化学院图像信息处理与智能控制教育部重点实验室,湖北武汉430074 [2]武汉科技大学计算机科学与技术学院智能信息处理与实时工业系统湖北省重点实验室,湖北武汉430065 [3]深圳华中科技大学研究院,广东深圳518057

出　　处：《控制理论与应用》

基　　金：Supported by the National Natural Science Foundation of China(61873323,61773174,61573162);the Wuhan Science and Technology Plan Project(2018010401011292);the Hubei Province Natural and Science Foundation(2017CFB4165,2016CFA037);the Open Fund Project of Hubei Province Key Laboratory of Intelligent Information Processing and Real-Time Industrial System(znxx2018ZD02);the Basic Research Project of Shenzhen(JCYJ20170307160923202,JCYJ20170818163921328)

年　　份：2019

卷　　号：36

期　　号：3

起止页码：443-452

语　　种：中文

收录情况：BDHX、BDHX2017、CAS、CSA、CSA-PROQEUST、CSCD、CSCD2019_2020、EI、IC、INSPEC、JST、MR、RCCSE、SCOPUS、ZGKJHX、ZMATH、核心刊

摘　　要：锂电池荷电状态(SOC)观测技术作为电池管理系统(BMS)的关键技术,在维持电池系统设备安全高效运作、延长电池组整体生命周期等方面均起着不可或缺的作用.本文以改善锂电池荷电状态的观测结果为目的,对锂离子电池荷电状态的观测方法进行了研究,基于二阶变参数锂电池模型,设计了一种有效的改善SOC观测精度的方法.首先,根据SOC的定义,建立了安时积分估计(AH),通过引入二阶变参数锂电池模型建立扩展卡尔曼滤波估计器(EKF),然后结合Takagi-Sugeno模糊模型原理,设计Takagi-Sugeno和EKF联合估计器(TS–EKF).最后,在Simulink仿真平台上验证了SOC观测方法的准确性和实用性.结果表明,本文所设计的Takagi-Sugeno和EKF联合估计器可以改善SOC观测精度.

关 键 词：荷电状态估计 二阶变参数锂电池模型  扩展卡尔曼滤波估计器  Takagi-Sugeno模糊  Takagi-Sugeno和EKF联合估计器  

分 类 号：TM912]