仪器仪表学报

作者：钱 伟，王亚丰，王 晨，郭向伟，赵大中

单位：钱 伟,1. 河南理工大学电气工程与自动化学院，2. 河南省煤矿装备智能检测与控制重点实验室,,王亚丰,1. 河南理工大学电气工程与自动化学院,,王 晨,1. 河南理工大学电气工程与自动化学院,,郭向伟,1. 河南理工大学电气工程与自动化学院，2. 河南省煤矿装备智能检测与控制重点实验室,,赵大中,1. 河南理工大学电气工程与自动化学院,

关键词：锂电池;健康状态;荷电状态;神经网络;自适应滤波

基金：国家自然科学基金项目(62373137)、河南省高校重点科研项目(23A470006)资助

锂电池健康状态(SoH)和荷电状态(SoC)的精确估计是新能源汽车安全运行的重要保障。针对SoH-SoC联合估计精度低、鲁棒性差的问题,提出一种基于变学习率BP神经网络和自适应渐消扩展H∞滤波的SoH-SoC联合估计方法。首先,提出一种基于单位充电压差时间间隔的新型SoH特征参数;其次,通过设计新型变学习率BP神经网络,提高传统BP网络误差收敛速度及缩短权值寻优时间;最后,通过设计新型自适应衰减因子对传统扩展H∞滤波误差协方差矩阵进行加权,建立自适应渐消扩展H∞滤波算法,减小陈旧量测值对估计结果的影响,提高扩展H∞滤波的估计精度及鲁棒性。实验结果表明,本文所提算法SoH估计误差小于0.35%,SoC估计误差小于0.5%,展现出较高的估计精度和鲁棒性。

来源：2024年第6期

《仪器仪表学报》期刊编辑部

查看仪器仪表学报杂志2024年第6期