针对传统无迹卡尔曼滤波算法在估计电池荷电状态中存在收敛速度较慢、容易发散等问题,提出了一种改进的自适应无迹卡尔曼滤波算法,该算法在传统无迹卡尔曼滤波算法基础上引入了衰减因子和自适应调节因子,提高估计精度和收敛速度。以二阶RC模型为基础,运用最小二乘法对模型参数进行辨识,采用基于UT变换的自适应无迹卡尔曼滤波器算法实现对锂电池SOC的估计。改进自适应无迹-电动折弯机数控滚圆机钢管倒角机张家港倒角机折弯机搭建锂电池充放电试验平台,测试试验结果表明,该算法对锂电池SOC估计精度小于1%,在估计精度及收敛速度上均优于传统无迹卡尔曼滤波算法杂度，选择2阶RC电路模型作为锂电池SOC估计模型，电路模型如图1所示。2阶RC模型对电池的3种特性（欧姆极化、电化学极化和浓差极化）分别进行建模。模型中Uoc表示开路电压；Vo代表电池的端电压；Re是欧姆内阻；Rs与Cs环路描述电池电化学极化效应；Rs与Cp环路模拟电池内部的浓差极化效应；u为端电流。根据图1所示电路图，以SOC、两电容上的电压Us、Up为状态变量，端电流u为输入变量，端电压Vo为输出变量。图12阶RC等效电路模型由基尔霍夫定律建立图1所示等效电路的状态空间模型并离散化，本文有公司网站全自动倒角机采集转载中国知网整理，http://www.daojiaoj.com 得到其离散状态空间模型：ìí是SOC的高阶非线性函数；A=è÷÷÷÷÷1000expè÷-ΔTRsCs000xpè÷-ΔTRpCp；ΔTRsCsRpè1-exp÷è÷-ΔTRpCp；u(k)为输入变量；T是系统采样周期。3开路电压与SOC关系的整定试验为得到开路电压与SOC的关系，本试验采用中航锂电公司生产的额定容量为40A·h的磷酸铁锂电池，开路输出电压（标称电压）为3.2V。建立的试验测试装置主要由电源、采集板、显示器、锂电池、放电装置、霍尔电流传感器等组成。通过调节放电装置，使锂电池进行恒流放电试验。具体测试流程如下：先??常温，放电累计时间为200s。放电试验前，对电池进行12h的充分静置，根据开路电压与电池SOC的对应关系获取初始SOC值。在试验过程中，实时采集电压电流值，采样频率为10次/s，对单体电池进行0.2C的恒流放电试验。通过测量得知，电池开路电压初始值为3.137V，电池SOC值为0.912，作为安时积分法的初始SOC值。为验证SOC估算算法不依赖初始值的特性，假设SOC初始值偏离实际值，分别设定为0.8、0.6、0.96。采用AUKF算法来估计SOC值，并与安时积分法获得的参考值进行比较。试验数据曲线如图3、图4所示。从图3可知，不同的SOC初始值，基于AUKF算法均能快速收敛到参考值附近。从图4所示不同初始值下的估计误差曲线可知，在误差曲线后期，它们的估计误差均能保持在（-0.80%，0.80%）之间。由此可得，AUKF算法对初始值不敏感，且收敛速度较快。图3不同SOC初始值下AUKF算法对锂电池SOC估计曲线6.2恒流脉冲充放电工况试验为验证动态工况下算法的跟踪能力，选取自定义始值为0.6初始值为0.8初始值为0.96参考值张周灿，等：基于改进自适应无迹卡尔曼滤波的锂电池SOC估计-13改进自适应无迹-电动折弯机数控滚圆机钢管倒角机张家港倒角机折弯机本文有公司网站全自动倒角机采集转载中国知网整理，http://www.daojiaoj.com