The invention relates to a method for dynamically adjusting filter gain in SOC estimation for AGV vehicle, which improves the filter gain of the extended Calman filtering method to the dynamic adjustment filter gain, and effectively improves the tracking effect of the extended Calman filtering method. The invention fully analyzes the AGV car special conditions, pointed out that the current time integral method in estimating the SOC value due to inaccurate location, put forward to estimate the battery SOC value extended Calman filter method, the traditional extended Calman filter method tracking problems, improve the filter gain for dynamic gain, improve real-time estimation the value of SOC, ensure AGV car SOC value accuracy within 5%, effectively solve the engineering AGV SOC value estimation accuracy problem.
【技术实现步骤摘要】
一种应用于AGV车SOC估算动态调整滤波增益的方法
本专利技术属于AGV车电池剩余容量估算的
,具体涉及一种应用于AGV车SOC估算动态调整滤波增益的方法。
技术介绍
自动引导车(AGV)是一种自动化的搬运设备,主要应用在工业生产中。AGV车一般使用蓄电池作为电源,在AGV车能量管理系统中准确估算SOC是至关重要的,可以保证AGV车高效安全地运行,同时也能够避免由于过充或过放影响AGV车电池的使用寿命。但是蓄电池的剩余容量和很多因素有关,而且AGV车工况特殊,这就使得蓄电池SOC值估算变得复杂,准确度难以得到保证。SOC估算方法主要有开路电压法,电流积分法,卡尔曼滤波法,神经网络法。AGV车中常用的是电流积分法,但是AGV车工况特殊,电流积分法估算SOC值的准确度并不理想,而且会产生累积误差。虽然在实际工业应用中对电流积分法估算的SOC值会进行校对,但是并没有从根本上解决电流积分法依赖初值,累积误差较大的问题。开路电压法无法在线实时估算SOC值,神经网络法对训练方法和训练数据依赖性很大,目前还没有得到很好的使用。卡尔曼滤波法估算电池SOC不依赖于初值,不会产生误差,适合应用在电流变化幅度较大的工况中,综合分析卡尔曼滤波法更加适合应用在AGV车SOC估算中。AGV车运行在工业生产线中,其工作节奏较快,一般不会预留专门的充电时间,只有在等待工序完成的时间里才进行充电,而且充电电流大,充电倍率可以达到1C-2C,充电时间短,一般是几秒或者是几十秒。而AGV车在正常工作时电流较小,一般是在0.5C之内。所以AGV车的工况就可以概括为充电电流大,放电电流小,充 ...
【技术保护点】
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,令其动态修正函数如式(11)所示:
【技术特征摘要】
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,令其动态修正函数如式(11)所示:则改进后扩展卡尔曼滤波算法中的增益Kk’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Kk;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Kk’,则扩展卡尔曼滤波算法的状态更新如式(5)所示:
【专利技术属性】
技术研发人员:吴铁洲,王越洋,邓勇军,王呈,
申请(专利权)人:湖北工业大学,
类型:发明
国别省市:湖北,42
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。