[发明专利]一种应用于AGV车SOC估算动态调整滤波增益的方法

权利要求书

1.一种应用于AGV车SOC估算动态调整滤波增益的方法，其特征在于，将扩展卡尔曼滤波法的滤波增益改进为动态调整滤波增益，有效提高扩展卡尔曼滤波法的跟踪效果，其中：

通过实验数据的拟合可以得出修正函数符合指数函数的变化规律，令修正函数如式(11)所示：

则改进后扩展卡尔曼滤波算法中的增益K_k’如式(12)所示：

式(12)中β是一个调整因子，其值是0-1的数，该参数可以调整电流突变持续的时间；是调节幅度因子，该参数可以跟踪系统的突变强度；式中t是系统突变的持续时间，设t₀是突变开始的时间，而t’是突变结束的时间，则t＝t₀-t’；由此可计算出改进扩展卡尔曼滤波算法中增益变化如式(13)所示：

改进扩展卡尔曼滤波增益后，系统在突变刚开始的时候将滤波增益扩大到没有改进前的倍，系统SOC值的修正幅度变大，迅速收敛到真实值；随着突变的结束，滤波增益逐渐变小，最终恢复为K_k；这样就实现了扩展卡尔曼滤波算法中滤波增益动态调整。

2.如权利要求1所述的一种应用于AGV车SOC估算动态调整滤波增益的方法，其特征在于：所述方法的推导过程包括：

卡尔曼滤波过程如式(4)所示：

令改进后的滤波增益为K_k’，则扩展卡尔曼滤波算法的状态更新如式(5)所示：

由式(5)可得：

由式(4)可得：

令滤波增益修正函数为W(t)，则由式(6)和式(7)可得：

滤波增益在突变开始时增大，提高修正幅度，随着突变的进行滤波增益逐渐减小，在突变结束后恢复正常值，为了找出特殊工况下滤波增益修正函数的这种变化规律，选取实验数据然后通过数据拟合找出修正函数；

使用Matlab最小二乘法拟合实验数据可得如式(9)所示的函数关系：

W(t)＝1.011e^-0.4909t+0.9998 (9)

将式(9)化简可得：

W(t)＝0.6121^t+0.9998 (10)

在Matlab中绘制实验数据曲线图，在突变刚开始时修正函数使得滤波增益值较大，对SOC值的修正幅度也比较大，突变过后滤波增益值恢复正常值；这样滤波增益就可以根据突变的情况实现动态调整，加快算法的跟踪速度。