[发明专利]基于自适应粒子滤波的荷电状态估计方法和电池管理系统

权利要求书

1.一种基于自适应粒子滤波的无人驾驶电动汽车荷电状态估计方法，其特征在于，包括：

使用等效电路模型对锂电池进行建模，所述等效电路包括欧姆内阻模块、RC网络模块和滞后模块，第i个RC网络端电压与电阻、电容的关系为：

U_pi,k+1＝exp(-Δt/τ_i)U_pi,k+R_p(1-exp(-Δt/τ_i))I_k

其中，Δt为采样周期，τ_i＝R_iC_i为时间常数，U_pi,k为k时刻第i个RC网络的端电压，R_p为极化电阻，I_k为k时刻RC网络电流；

所述滞后模块的计算公式为：

h_k+1＝exp(-|κi_k|Δt)h_k+(1-exp(-|κi_k|Δt))H

其中，h_k为k时刻滞后电压，κ为衰减因子，i_k为k时刻电流，H为最大滞后电压；

使用n次多项式拟合开路电压U_ocv与荷电状态值z的关系式如下：

其中，α_j为拟合系数；

使用试验法和多项式拟合对进行辨识，得到不同荷电状态值下的试验数据；

根据不同荷电状态值下的试验数据，使用多项式拟合开路电压U_ocv与荷电状态值z的关系式如下：

U_ocv＝117z⁷-461.5z⁶+743.7z⁵-634.2z⁴+308.5z³-85.73z²+12.92z+2.428

进行混合动力脉冲能力特性测试，使用粒子群算法搜索各个模型的最优参数；

选择状态向量x_k＝(U_p1，k，h_k，z_k)^T，将锂电池等效电路模型和开路电压方程离散化，得到状态转移方程和观测方程，计算公式如下：

U_t,k＝U_ocv(z_k)-I_kR₀-U_p1,k+h_k+v_k

其中，C_a为电池可用容量，η为库伦系数，ο_k为过程噪声，ν_k为观测噪声，U_t,k为k时刻电池输出电压值，z_k为k时刻电池的荷电状态值，R₀为电阻，I_k为k时刻电池的电流值，U_ocv为开路电压；

计算粒子权值，对所述粒子权值进行归一化处理；

对电池状态进行估计，得到荷电状态估计值。

2.根据权利要求1所述的基于自适应粒子滤波的无人驾驶电动汽车荷电状态估计方法，其特征在于，所述计算粒子权值，对所述粒子权值进行归一化处理的步骤包括：

设定非线性空间方程为：

其中，x_k为k时刻的状态向量，y_k为k时刻的观测量，f()、h()均为已知函数；

设定系统状态的后验分布为p(x_k|y_k)，以及概率分布q(x_k|y_k)，概率分布q(x_k|y_k)为重要性函数，根据所述重要性函数采集N个样本，得到样本集

将所述重要性函数引入所述后验分布中，获得如下表达式：

其中，ξ为狄拉克函数，为归一化后k时刻第i个样本的权值，而且

根据所述重要性函数和贝叶斯估计理论，获得如下表达式：