期刊文献+
任意字段
题名或关键词
题名
关键词
摘要
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到11篇文章
< 1 >
每页显示 20 50 100
已选0条
引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
基于瞬态模型的超级电容状态估计 认领 引用
1
作者 荣爽 陈晓光 +5 位作者 关万琳 郝文波 胡远婷 刘延龙 段建东 王禹涵 《电力科学与技术学报》 CAS CSCD 北大核心 2026年第1期185-193,共9页
超级电容多支路模型能够较准确地描述超级电容充放电特性,但在利用其进行超级电容状态估计时,难以获取准确参数,易导致状态估计结果存在较大误差。为了提升瞬态过程中超级电容参数辨识和状态估计的准确性,提出了基于瞬态模型的扩展卡尔... 超级电容多支路模型能够较准确地描述超级电容充放电特性,但在利用其进行超级电容状态估计时,难以获取准确参数,易导致状态估计结果存在较大误差。为了提升瞬态过程中超级电容参数辨识和状态估计的准确性,提出了基于瞬态模型的扩展卡尔曼滤波(extended Kalman filter, EKF)–自适应无迹卡尔曼滤波(adaptive unscented kalman filter,AUKF)状态估计算法。首先,分析了快速充放电情形下的模型简化可行性,在可行性成立的情况下对多支路模型进行简化;其次,将模型参数作为扩展状态加入状态方程中,采用EKF-AUKF算法同时估计超级电容等效电路参数和状态;最后,通过仿真和实验验证了所提方法的准确性。实验结果表明,基于瞬态模型的EKF-AUKF算法能够实现准确的参数辨识和状态估计。 展开更多
关键词 超级电容 瞬态模型 EKF-AUKF算法 参数辨识 状态估计
暂未订购 下载PDF
基于CSO-AUKF的锂电池SOC估算方法 认领 引用 被引量：3
2
作者 吴华伟 洪强 +1 位作者 陈运星 马毓博 《重庆交通大学学报（自然科学版）》 CAS CSCD 北大核心 2024年第9期118-126,共9页
电池荷电状态(SOC)估算是电池管理系统(BMS)的关键技术之一。针对锂电池提出了一种基于猫群(CSO)算法和自适应无迹卡尔曼滤波(AUKF)算法相结合的电池SOC估算方法;建立了基于二阶RC等效电路模型的锂电池状态方程,采用CSO算法提高电池辨... 电池荷电状态(SOC)估算是电池管理系统(BMS)的关键技术之一。针对锂电池提出了一种基于猫群(CSO)算法和自适应无迹卡尔曼滤波(AUKF)算法相结合的电池SOC估算方法;建立了基于二阶RC等效电路模型的锂电池状态方程,采用CSO算法提高电池辨识精度,联合AUKF算法对SOC进行估算;基于混合脉冲功率测试工况(HPPC)和间歇恒流放电工况下的数据对该方法有效性进行了验证。研究结果表明:基于CSO-AUKF估算,SOC最大误差小于1.64%,估算精度及稳定性均好于遗传算法。 展开更多
关键词 车辆工程 锂电池汽车 荷电状态(SOC) 猫群(CSO)算法 自适应无迹卡尔曼滤波(AUKF)算法
暂未订购 下载PDF
基于Chan与AUKF联合的人员定位算法 认领 引用
3
作者 郑爽 梁云浩 +2 位作者 武俊峰 刘付刚 马仲甜 《黑龙江科技大学学报》 CAS 2022年第6期811-815,共5页
针对目前超宽带人员定位技术在复杂环境中产生较大误差的问题,提出了一种基于Chan算法与自适应无迹卡尔曼滤波AUKF的联合定位算法。利用Chan算法去除噪声较大的数据,确定误差相对较小的初始坐标,将Chan算法的估计值作为AUKF的初始值进... 针对目前超宽带人员定位技术在复杂环境中产生较大误差的问题,提出了一种基于Chan算法与自适应无迹卡尔曼滤波AUKF的联合定位算法。利用Chan算法去除噪声较大的数据,确定误差相对较小的初始坐标,将Chan算法的估计值作为AUKF的初始值进行滤波处理,确定精确的位置坐标,在视距与非视距环境下仿真分析变电站的人员定位。结果表明,在视距环境下,文中提出的算法略优于Chan算法。在非视距环境下,Chan-AUKF联合定位算法的误差值约为10 cm,而Chan算法的误差值约为20 cm,定位精度提高约10 cm。 展开更多
关键词 人员定位 Chan算法 Chan-AUKF联合定位算法 TDOA
暂未订购 下载PDF
基于AUKF算法的锂电池SOC估算 认领 引用 被引量：2
4
作者 边东生 杨超 《现代机械》 2022年第1期52-56,共5页
针对无迹卡尔曼滤波(UKF)算法在估算锂电池荷电状态(SOC)时忽略了系统噪声时变特性问题,导致估算精度降低,故提出了自适应无迹卡尔曼滤波(AUKF)算法。通过建立电池模型,利用UKF对SOC进行估算的同时,结合Sage-Husa自适应滤波算法时刻对... 针对无迹卡尔曼滤波(UKF)算法在估算锂电池荷电状态(SOC)时忽略了系统噪声时变特性问题,导致估算精度降低,故提出了自适应无迹卡尔曼滤波(AUKF)算法。通过建立电池模型,利用UKF对SOC进行估算的同时,结合Sage-Husa自适应滤波算法时刻对系统噪声进行估计和修正,进而提高估算SOC时的精度。通过在不同工况下对AUKF算法进行验证,其结果表明,AUKF具有较强的估算精度和稳定性,将均方根误差(RMSE)控制在1.1%以内,估算结果明显优于UKF算法。 展开更多
关键词 荷电状态 系统噪声 估算精度 AUKF算法
暂未订购 下载PDF
Chan-AUKF融合算法在三维定位中的应用 认领 引用
5
作者 李向博 熊鸣 王丽婕 《计算机技术与发展》 2022年第6期150-155,共6页
针对超宽带(ultra-wideband,UWB)定位技术在三维定位应用中存在的定位精度低,定位结果易受复杂环境影响,存在固定偏差的问题,基于Chan算法和简化无迹卡尔曼滤波(unscented Kalman filter,UKF)算法构建定位系统状态误差补偿函数对简化UK... 针对超宽带(ultra-wideband,UWB)定位技术在三维定位应用中存在的定位精度低,定位结果易受复杂环境影响,存在固定偏差的问题,基于Chan算法和简化无迹卡尔曼滤波(unscented Kalman filter,UKF)算法构建定位系统状态误差补偿函数对简化UKF算法进行自适应补偿,提出Chan-自适应无迹卡尔曼滤波(Chan-adaptive unscented Kalman filter,Chan-AUKF)三维定位算法。根据Chan算法和简化UKF算法解算出的标签三维坐标构建定位系统状态误差补偿函数,对简化UKF算法自适应补偿的同时,将此三维坐标作为Chan-AUKF算法的初值对标签三维坐标的精确值进行估计。实验结果表明,Chan-AUKF算法在性能上优于Chan算法、UKF算法和Chan-UKF算法,在保证稳定性的同时,能够有效地提高定位精度。 展开更多
关键词 超宽带 Chan算法 无迹卡尔曼滤波 Chan-AUKF算法 状态误差补偿函数
暂未订购 下载PDF
考虑温度及老化的储能用锂离子电池组荷电状态估算算法 认领 引用 被引量：2
6
作者 姬鹏 吕泽旭 《电工技术学报》 EI CSCD 北大核心 2025年第17期5667-5682,共16页
为提高储能用锂离子电池组在不同环境温度及电池老化状态下的荷电状态(SOC)估算精度,提出一种考虑温度及老化的储能用锂离子电池组SOC估算算法。利用带外源性输入的非线性自回归模型(NARX)神经网络来代替传统二阶RC等效电路模型中的RC回... 为提高储能用锂离子电池组在不同环境温度及电池老化状态下的荷电状态(SOC)估算精度,提出一种考虑温度及老化的储能用锂离子电池组SOC估算算法。利用带外源性输入的非线性自回归模型(NARX)神经网络来代替传统二阶RC等效电路模型中的RC回路,根据不同温度、不同老化状态下的实验数据对模型进行训练,进而建立考虑温度和老化影响的电池模型。为解决电池组SOC估算问题,电池组模型选择均值差异模型,通过自适应无迹卡尔曼滤波(AUKF)算法分别计算均值及差异模型SOC,并通过模糊控制计算SOC融合权值,实现电池组SOC融合及估算。最后搭建硬件在环仿真平台,在不同工况下将所提算法与扩展卡尔曼滤波(EKF)、无迹卡尔曼滤波(UKF)算法进行对比,结果表明所提算法估算精确度更高、鲁棒性更好。 展开更多
关键词 电池组荷电状态(SOC)估算 带外源性输入的非线性自回归模型(NARX)神经网络 均值差异模型 自适应无迹卡尔曼(AUKF) 模糊控制
暂未订购 下载PDF
自适应软测量算法的汽车行驶状态估计 认领 引用 被引量：3
7
作者 郝亮 郭立新 《东北大学学报（自然科学版）》 EI CAS CSCD 北大核心 2019年第1期70-76,共7页
为了实现车辆行驶状态低成本测量,设计了估计汽车行驶状态参数的传统无迹卡尔曼滤波器和能够有效解决噪声时变特性的次优Sage-Husa噪声估计器相结合算法,通过建立电动汽车3自由度的动力学模型和HSRI轮胎模型,且融合低成本测量的纵、横... 为了实现车辆行驶状态低成本测量,设计了估计汽车行驶状态参数的传统无迹卡尔曼滤波器和能够有效解决噪声时变特性的次优Sage-Husa噪声估计器相结合算法,通过建立电动汽车3自由度的动力学模型和HSRI轮胎模型,且融合低成本测量的纵、横向加速度和方向盘转向角传感器测量信息,从而可精确估计电动汽车行驶状态.在选定的典型工况下,通过与无迹卡尔曼软测量算法进行对比,硬件在环实验结果有效地验证了自适应无迹卡尔曼软测量算法具有很好的鲁棒性,且比无迹卡尔曼软测量算法更加能够有效地估计电动汽车的行驶状态. 展开更多
关键词 自适应无迹卡尔曼软测量算法 次优Sage-Husa噪声估计器 3自由度动力学模型 HSRI轮胎模型 硬件在环
暂未订购 下载PDF
城轨车用超级电容器SOC的估算方法 认领 引用 被引量：3
8
作者 郭佑民 戴银娟 付石磊 《电池》 CAS CSCD 北大核心 2020年第2期127-130,共4页
针对城轨车辆储能用超级电容器的特点,建立等效电路模型。通过遗忘因子最小二乘算法识别模型参数,采用自适应无迹卡尔曼滤波(AUKF)算法估计超级电容器的荷电状态(SOC)。相比传统的卡尔曼滤波(KF)算法,AUKF算法循环迭代运算超级电容器的... 针对城轨车辆储能用超级电容器的特点,建立等效电路模型。通过遗忘因子最小二乘算法识别模型参数,采用自适应无迹卡尔曼滤波(AUKF)算法估计超级电容器的荷电状态(SOC)。相比传统的卡尔曼滤波(KF)算法,AUKF算法循环迭代运算超级电容器的参数和SOC,可提高估算的准确度。利用混合脉冲功率特性(HPPC)实验,验证算法的可行性与准确性。KF算法的误差较大,最大误差为6%,平均误差为3%;AUKF算法的结果精度较高,平均误差约为1.5%。 展开更多
关键词 超级电容器 遗忘因子最小二乘算法 自适应无迹卡尔曼滤波(AUKF) 电荷状态(SOC)
暂未订购 下载PDF
基于自适应无迹卡尔曼滤波的锂电池SOC估计 认领 引用 被引量：21
9
作者 刘胜永 于跃 +2 位作者 罗文广 李昊 黄俊华 《控制工程》 CSCD 北大核心 2017年第8期1611-1616,共6页
锂电池荷电状态(SOC)的准确估算是制约电动汽车发展的关键技术之一。针对传统Kalman滤波算法因固定的噪声滤波初值不能够跟随工况变化致使SOC估算不准确的问题,基于PNGV模型建立状态空间方程组,将Sage-Husa自适应滤波算法融合到无迹卡... 锂电池荷电状态(SOC)的准确估算是制约电动汽车发展的关键技术之一。针对传统Kalman滤波算法因固定的噪声滤波初值不能够跟随工况变化致使SOC估算不准确的问题,基于PNGV模型建立状态空间方程组,将Sage-Husa自适应滤波算法融合到无迹卡尔曼滤波(UKF)算法之中,对噪声进行实时预测和修正,进而提高SOC的估算精度。仿真实验结果表明,AUKF比UKF的估算值更接近于理论参考值,AUKF解决了UKF因固定噪声带来的误差问题,可提高电动汽车启动、巡航、制动等复杂工况下的电池组电流剧烈变化中SOC的估算精度。 展开更多
关键词 自适应无迹卡尔曼滤波(AUKF) 荷电状态(SOC) Sage-Husa自适应滤波算法 无迹卡尔曼滤波(UKF) PNGV模型
暂未订购 下载PDF
基于电热耦合效应的锂电池荷电状态与温度状态联合估计 认领 引用 被引量：5
10
作者 常小兵 侯宗尚 +2 位作者 刘连起 王光 谢家乐 《储能科学与技术》 CAS CSCD 北大核心 2024年第4期1142-1153,共12页
准确估计电池的荷电状态(SOC)和内部温度可以提高电池的性能和安全性。其中,电池模型的准确性和估计算法的适用性是关键。为了解决这两个问题,本文建立了圆柱形锂离子电池的多参数电热耦合模型。模型考虑电池SOC与温度变化之间的耦合关... 准确估计电池的荷电状态(SOC)和内部温度可以提高电池的性能和安全性。其中,电池模型的准确性和估计算法的适用性是关键。为了解决这两个问题,本文建立了圆柱形锂离子电池的多参数电热耦合模型。模型考虑电池SOC与温度变化之间的耦合关系,并且利用改进的熵热系数实验获得电池运行中产生的可逆热与不可逆热,通过可变遗忘因子最小二乘算法(VFFRLS)进行参数辨识,并对比独立的电模型与热模型的SOC与内部温度估计结果,验证了多参数电热耦合模型的准确性,结果证明所提模型相比较于单独的电热模型,估计精度提高了70%以上。最后,设计了一种基于奇异值分解的卡尔曼滤波(SVD-AUKF)算法来同时在线估计SOC和内部温度,并在改进的动态测试(DST)工况下对所提方法进行实验验证。结果表明:所提方法相较于扩展卡尔曼滤波(EKF)与无迹卡尔曼滤波(UKF)算法,能实现更高精度的SOC和温度估计,SOC与内部温度的平均误差分别是5%和0.2℃。 展开更多
关键词 可逆热 SOC和温度联合估计 多参数电热耦合模型 SVD-AUKF算法
暂未订购 下载PDF
基于AUV的航迹追踪自适应UKF算法 认领 引用 被引量：2
11
作者 邓非 尹洪东 段梦兰 《重庆大学学报（自然科学版）》 CSCD 北大核心 2019年第1期98-109,共12页
无迹卡尔曼滤波算法(UKF,unscented kalman filter)是一种常见的(AUV,autonomous underwater vehicle)加权统计线性回归航迹追踪算法,其算法冗余度低于(EKF,extended kalman filter)、(PF,particle filter)及(PSO,particle swarm optimi... 无迹卡尔曼滤波算法(UKF,unscented kalman filter)是一种常见的(AUV,autonomous underwater vehicle)加权统计线性回归航迹追踪算法,其算法冗余度低于(EKF,extended kalman filter)、(PF,particle filter)及(PSO,particle swarm optimization)等数值优化算法,且算法效率较高。然而,UKF控制算法中的系统采样时间间隔通常会被设置为常数,由此可能会产生预测值的误差累积,从而影响导航预测结果的精度。因此,笔者提出了基于AUV的航迹追踪自适应无迹卡尔曼滤波算法(AUKF,adaptive unscented kalamn filter algorithm),以期降低预测算法的累积误差。该预测方法依据标准UKF算法的原理,通过构造相应的约束、判断与反馈机制,调整系统状态方程中每一步的采样间隔t,从而提升算法的航迹追踪精度并减少过程噪声及传感器噪声对预测过程的影响。最后,通过仿真实验与结果对比,近一步验证了之前所提出的设想。 展开更多
关键词 自治水下机器人 AUKF算法 航迹预测精度提升 自适应采样间隔 改善降噪性能
暂未订购 下载PDF
已选0条
引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
在线咨询 使用帮助 返回顶部 意见反馈