买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：重庆邮电大学

摘要：本发明属于锂电池SoC估计领域，具体涉及一种基于卡尔曼滤波器和神经网络联合估计模型的SoC估计方法；该方法包括：实时获取待检测的锂电池的电流和电压；将获取的电流和电压输入到神经网络联合估计模型中，得到待检测的锂电池SoC估计结果，本发明利用锂电池电化学模型结合神经网络非线性参数化方法，提高了模型的泛化能力；使用Sage‑Husa估计器与无迹卡尔曼滤波算法结合，提高算法估计精度；通过实时更新模型参数，解决了因环境变化和自身老化造成的锂电池模型准确性降低的问题；与深度学习的估计方法相比，需要的数据量更小，抗噪声的能力更强。

主权项：1.一种基于卡尔曼滤波器和神经网络联合估计模型的SoC估计方法，其特征在于，包括：实时获取待检测的锂电池的电流和电压；将获取的电流和电压输入到神经网络联合估计模型中，得到待检测的锂电池SoC估计结果；所述神经网络联合估计模型包括神经网络和锂电池电化学模型；采用神经网络联合估计模型对输入电流和电压进行处理的过程包括：S1：对输入的电流数据和电压数据进行预处理，得到预处理后的电流数据和电压数据；S2：根据神经网络和锂电池电化学模型构建神经网络联合估计模型，得到神经网络联合估计模型的离散方程；根据神经网络和锂电池电化学模型构建神经网络联合估计模型的过程包括：利用BP神经网络对锂电池电化学模型的非线性离散时间状态空间模型进行拟合，其公式为： 其中，SoCk+1表示下一个时刻的SoC，Vtk+1表示下一个时刻的RC动态电压，SoCk表示当前时刻的SoC，Vtk表示当前时刻的RC动态电压，TS表示采样时间，C0表示放电系数，Voutk表示当前时刻输出电压，VocSoCk表示开路电压，Ik表示输入电流；神经网络拟合公式中：θ表示θ1、θ2或θ3的拟合结果，s表示隐藏层神经元个数，I表示当前电流，U表示当前电压，T表示当前温度，ωi1、ωi2、ωi3分别表示输入层权值，ωi表示输出层权值，bi表示输入层阈值，b表示输出层阈值；采用高阶神经网络对锂电池电化学模型的SoC-Voc曲线进行拟合，拟合后的SoC-Voc曲线公式为： 其中，Nche和Ntry表示隐藏层神经元个数，PnSock表示切比雪夫多项式，ωche表示切比雪夫多项式的权值，ωsin表示三角函数多项式权值，ωcos表示三角函数多项式权值；S3：采用改进的无迹卡尔曼滤波算法对预处理后的电流数据和电压数据以及神经网络联合估计模型的离散方程进行处理，得到卡尔曼增益；采用改进的无迹卡尔曼滤波算法对预处理后的电流数据和电压数据以及神经网络联合估计模型的离散方程进行处理的过程包括：S31：初始化误差协方差矩阵；S32：采用SVD分解方法分解误差协方差矩阵，获得Sigma采样点；S33：初始化系统噪声Q；S34：时间更新，根据Sigma点和系统噪声Q计算状态变量的均值和方差；S35：测量更新，根据Sigma点和系统噪声Q计算输出变量的均值和方差；根据状态变量的均值和方差以及输出变量的均值和方差计算卡尔曼增益；S36：滤波器更新，根据状态变量的方差、输出变量的方差、输出变量测量值和卡尔曼增益更新误差协方差矩阵，并返回步骤S1；S37：采用Sage-Husa估计器对系统噪声Q进行更新，并返回步骤S33；S4：根据卡尔曼增益对当前时刻神经网络联合估计模型的锂电池参数进行估计，得到当前时刻的锂电池SoC估计；S5：神经网络联合估计模型根据当前时刻的锂电池参数估计下一时刻的锂电池参数，根据下一时刻的锂电池参数得到下一时刻的锂电池SoC估计。

全文数据：

权利要求：

百度查询： 重庆邮电大学 基于卡尔曼滤波器和神经网络联合估计模型的SoC估计方法