System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及信号处理与状态估计,具体涉及一种模糊粒子滤波算法。
技术介绍
1、新能源汽车的发展依赖于高效、准确的电池管理系统,其中soc(即电池的荷电状态)的精确估算对于提高电池使用效率、延长电池寿命以及保障行车安全具有重要意义。
2、soc作为电池剩余电量的直接反映,其准确估算能够帮助驾驶者了解车辆的可行驶里,优化充电策略,并有效避免电池过充或过放导致的安全隐患。
3、现有的soc估算方法主要包括安时积分法、卡尔曼滤波及其扩展算法等。然而,这些方法在非线性系统估计中往往存在精度不足或计算复杂度高的问题。
技术实现思路
1、针对现有技术存在的不足,本专利技术提出一种模糊粒子滤波算法,用于解决现有soc估算方法中存在的精度不足或计算复杂度高的问题。
2、一种模糊粒子滤波算法,包括:
3、选取电池模型并进行参数辨识,获取模型参数结果;
4、根据所述模型参数结果,设计模糊控制器;
5、根据所述模糊控制器,生成并初始化粒子集;
6、对所述粒子集中粒子权重进行更新,并执行重采样操作,以获取重采样后的粒子权重结果;
7、根据所述重采样后的粒子权重结果,获取荷电状态估算结果。
8、进一步的,获取电池模型并进行参数辨识,获取模型参数结果,包括:
9、选取二阶rc等效电路模型;
10、对所述二阶rc等效电路模型采用离线辨识法,结合电池脉冲放电实验数据,获取模型参数结果
11、进一步的,模型参数结果,包括:欧姆内阻r0、极化电阻r1、r2、极化电容c1、c2。
12、进一步的,设计模糊控制器的步骤包括:
13、确定模糊控制器的输入变量;
14、对所述输入变量进行模糊化处理,定义并划分模糊集合;
15、基于专家经验和实验数据,建立模糊规则库;
16、根据模糊规则库,设计模糊控制器以输出卡尔曼增益系数调整因子。
17、进一步的,所述输入变量,包括:电池电压误差和电流变化率。
18、进一步的,根据所述模糊控制器,生成并初始化粒子集,包括:
19、根据需求设定粒子数量;
20、对所述粒子进行先验分布采样,获取初始化粒子结果;
21、对所有初始化粒子结果进行权重设置,以生成并初始化粒子集。
22、进一步的,对所述粒子集中粒子权重进行更新,并执行重采样操作,以获取重采样后的粒子权重结果,包括:
23、对粒子权重进行更新,获取权重更新结果;
24、对所述权重更新结果进行重采样,以获取重采样后的粒子权重结果。
25、进一步的,对粒子权重进行更新,获取权重更新结果,包括:
26、确定观测模型;
27、根据所述观测模型,计算每个粒子的预测观测值;
28、根据所述预测观测值和实际观测值,获取观测似然度;
29、对所述观测似然度进行归一化处理,获取权重更新结果。
30、进一步的,根据所述重采样后的粒子权重结果,获取荷电状态估算结果,包括:
31、对所述重采样后的粒子集进行提取,获取荷电状态估算结果。
32、采用上述技术方案的专利技术,具有如下优点:
33、1、本专利技术通过首次将模糊逻辑与粒子滤波算法相结合,用于新能源汽车电池soc的估算。这种结合不仅充分利用了模糊逻辑处理不确定性的能力,还发挥了粒子滤波在非线性系统状态估计中的优势,实现了对电池soc的高精度估算。
34、2、本专利技术引入动态调整因子,根据电池实时状态(如电压、电流变化率)动态调整粒子权重,使估算结果更加贴近电池真实状态。这种机制提高了soc估算的适应性和鲁棒性,特别是在电池状态快速变化时,能够显著减少估算误差。
35、3、本专利技术通过优化粒子滤波过程中的重采样策略和粒子数量设置,降低了计算复杂度,提高了算法的实时性。这使得本专利技术的方案在实际应用中具有更高的可行性和效率。
36、4、本专利技术的方案不依赖于特定的电池模型,能够适用于多种类型的电池和不同的工况条件。这种广泛的适用性使得本方案在新能源汽车领域具有更广阔的应用前景。
本文档来自技高网...【技术保护点】
1.一种模糊粒子滤波算法,其特征在于,包括:
2.根据权利要求1所述的一种模糊粒子滤波算法,其特征在于,获取电池模型并进行参数辨识,获取模型参数结果,包括:
3.根据权利要求2所述的一种模糊粒子滤波算法,其特征在于,模型参数结果,包括:欧姆内阻R0、极化电阻R1、R2、极化电容C1、C2。
4.根据权利要求1所述的一种模糊粒子滤波算法,其特征在于,设计模糊控制器的步骤包括:
5.根据权利要求4所述的一种模糊粒子滤波算法,其特征在于,所述输入变量,包括:电池电压误差和电流变化率。
6.根据权利要求1所述的一种模糊粒子滤波算法,其特征在于,根据所述模糊控制器,生成并初始化粒子集,包括:
7.根据权利要求1所述的一种模糊粒子滤波算法,其特征在于,对所述粒子集中粒子权重进行更新,并执行重采样操作,以获取重采样后的粒子权重结果,包括:
8.根据权利要求7所述的一种模糊粒子滤波算法,其特征在于,对粒子权重进行更新,获取权重更新结果,包括:
9.根据权利要求1所述的一种模糊粒子滤波算法,其特征在于,
...【技术特征摘要】
1.一种模糊粒子滤波算法,其特征在于,包括:
2.根据权利要求1所述的一种模糊粒子滤波算法,其特征在于,获取电池模型并进行参数辨识,获取模型参数结果,包括:
3.根据权利要求2所述的一种模糊粒子滤波算法,其特征在于,模型参数结果,包括:欧姆内阻r0、极化电阻r1、r2、极化电容c1、c2。
4.根据权利要求1所述的一种模糊粒子滤波算法,其特征在于,设计模糊控制器的步骤包括:
5.根据权利要求4所述的一种模糊粒子滤波算法,其特征在于,所述输入变量,包括:电池电压误差和电流变化率...
【专利技术属性】
技术研发人员:张震宇,徐丹,胡涛,安清,杨炆杰,杨帅,李元园,刘厚君,邹冰倩,
申请(专利权)人:重庆电子科技职业大学,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。