基于GNL模型自适应无迹卡尔曼滤波的电池荷电状态估计的任务书

基于GNL模型自适应无迹卡尔曼滤波的电池荷电状态估计的任务书一、研究背景和意义现代电动汽车、混合动力车等新能源汽车的发展和普及，对电池的可靠性和寿命提出了更高的要求。在这些应用场景中，电池荷电状态（S

GNL 基于模型自适应无迹卡尔曼滤波的电池荷电状 态估计的任务书 一、研究背景和意义 现代电动汽车、混合动力车等新能源汽车的发展和普及，对电池的 可靠性和寿命提出了更高的要求。在这些应用场景中，电池荷电状态 （StateofCharge，SOC）的准确估计非常重要，因为电池的SOC决 定了车辆的续航能力、能量利用率和安全性等。因此，电池SOC的估计 一直是电动汽车领域的研究热点之一。 目前，常用的电池SOC估计方法有基于开路电压（OpenCircuit Voltage，OCV）法、基于电流积分法和基于模型的滤波法等。其中，基 于模型的滤波法在实际应用中表现出更好的性能。常用的基于模型的滤 波方法有扩展卡尔曼滤波（ExtendedKalmanFilter，EKF）和无迹卡尔 曼滤波（UnscentedKalmanFilter，UKF）等。 然而，传统的UKF方法在一些场景下可能存在精度误差较大的问 题，因为它假设噪声是高斯分布的。为了更准确地估计电池的SOC，本 研究将使用基于GNL模型的自适应无迹卡尔曼滤波方法（Adaptive UnscentedKalmanFilterbasedonGNLmodel，AUKF-GNL）。 二、研究内容和计划 2.1研究内容 本研究计划使用GNL模型来描述电池的动态行为，并使用自适应无 迹卡尔曼滤波方法来估计电池的SOC。主要研究内容如下： （1）GNL模型的建立。为了更准确地描述电池的动态行为，本研 究将使用GNL模型来建立电池的动态方程，并使用实验数据拟合模型中 的参数。