锂离子电池荷电状态(SOC)的准确估计是电池管理系统的重要核心技术之一,也是延长电池寿命的关键。但是SOC的准确实时估计困难,且精度不高。选取以三元锂电池为研究对象,针对EKF在线性化过程中产生的非线性误差,提出改进的补偿扩展卡尔...锂离子电池荷电状态(SOC)的准确估计是电池管理系统的重要核心技术之一,也是延长电池寿命的关键。但是SOC的准确实时估计困难,且精度不高。选取以三元锂电池为研究对象,针对EKF在线性化过程中产生的非线性误差,提出改进的补偿扩展卡尔曼算法(compensation for extended Kalman,CEKF)。该算法用GA优化的BP神经网络预测k时刻EKF的非线性误差等,从而补偿扩展卡尔曼k时刻的非线性误差等,且用自适应FFRLS对模型参数进行参数辨识,以DST和BBDST进行实验验证。实验结果表明,该算法估算SOC的精度范围在2%左右,且最大误差和平均误差都比EKF小得多,能更加有效追踪SOC的理论值,且该算法估计的SOC稳定性也比EKF稳定。展开更多
移动机器人如何在未知环境下实现同步定位与地图创建(Simultaneous Location and Mapping,SLAM)是其真正实现自主导航的关键技术之一。通过对CEKF(压缩扩展卡尔曼滤波)的SLAM算法的研究,进一步分析讨论了SLAM问题中机器人在导航定位过...移动机器人如何在未知环境下实现同步定位与地图创建(Simultaneous Location and Mapping,SLAM)是其真正实现自主导航的关键技术之一。通过对CEKF(压缩扩展卡尔曼滤波)的SLAM算法的研究,进一步分析讨论了SLAM问题中机器人在导航定位过程中产生误差的主要原因。根据SLAM问题中机器人定位误差的收敛特性,在机器人的不断运动过程中,机器人的定位误差会逐步增大,理论分析的可能原因是CEKF非线性算法所导致的误差积累。结合仿真模型,对算法中造成误差的原因进行了详细的理论分析与仿真研究,分析表明在完全未知的环境下无法预测机器人定位误差的限度,当机器人的运动速度和舵角最大变化率超出一定的限度时,算法会出现比较明显的误差,而且不同的局部地图划分对机器人的位置估计也有较大影响。展开更多
文摘锂离子电池荷电状态(SOC)的准确估计是电池管理系统的重要核心技术之一,也是延长电池寿命的关键。但是SOC的准确实时估计困难,且精度不高。选取以三元锂电池为研究对象,针对EKF在线性化过程中产生的非线性误差,提出改进的补偿扩展卡尔曼算法(compensation for extended Kalman,CEKF)。该算法用GA优化的BP神经网络预测k时刻EKF的非线性误差等,从而补偿扩展卡尔曼k时刻的非线性误差等,且用自适应FFRLS对模型参数进行参数辨识,以DST和BBDST进行实验验证。实验结果表明,该算法估算SOC的精度范围在2%左右,且最大误差和平均误差都比EKF小得多,能更加有效追踪SOC的理论值,且该算法估计的SOC稳定性也比EKF稳定。
文摘移动机器人如何在未知环境下实现同步定位与地图创建(Simultaneous Location and Mapping,SLAM)是其真正实现自主导航的关键技术之一。通过对CEKF(压缩扩展卡尔曼滤波)的SLAM算法的研究,进一步分析讨论了SLAM问题中机器人在导航定位过程中产生误差的主要原因。根据SLAM问题中机器人定位误差的收敛特性,在机器人的不断运动过程中,机器人的定位误差会逐步增大,理论分析的可能原因是CEKF非线性算法所导致的误差积累。结合仿真模型,对算法中造成误差的原因进行了详细的理论分析与仿真研究,分析表明在完全未知的环境下无法预测机器人定位误差的限度,当机器人的运动速度和舵角最大变化率超出一定的限度时,算法会出现比较明显的误差,而且不同的局部地图划分对机器人的位置估计也有较大影响。
