【技术实现步骤摘要】
本专利技术涉及锂离子电池，尤其涉及一种基于hmm-imm-h∞的锂离子电池荷电状态(state of charge,soc)估计方法。
技术介绍
1、电动汽车的主要技术瓶颈之一在于电池技术，电池的soc估计是电池管理部分主要重难点。soc的准确估计对保证电池安全有效工作起着十分重要的作用，是最重要的状态参数之一。但一直以来，soc的估计方法都存在精度不高、不同工况的适应性差等问题，提高估计方法的精确性和通用性具有重要意义。目前锂离子电池荷电状态soc估计常规算法包括安时积分法、开路电压法、神经网络法及卡尔曼滤波法，这些算法都各自存在缺陷，安时积分法受电池soc初值影响较大，还受电池内部的电流漂移影响；开路电压法受不同工况和温度等影响；神经网络法过分依赖于电池数据，而且计算过程较为复杂；卡尔曼滤波法依赖于模型。
2、同时，经过检索，中国授权专利公告号为cn108037464a，公开了一种基于imm-ekf的电池组soc估算的方法，包括：根据电池组电压建立最大单体电压交互模型、最小单体电压交互模型和平均电压交互模型；利用imm-ekf滤波程序分别对最大单体电压交互模型、最小单体电压交互模型和平均电压交互模型的soc进行估算；计算各模型的信息分配因子，并根据各信息分配因子对各模型的soc进行概率融合，得到电池组整体soc，而根据上述现有技术，本申请对上述现有技术进行改进，通过在扩展卡尔曼滤波的修正时引入h∞计算估计误差协方差，能够提高了对噪声的鲁棒性能，即通过有效的加权融合将h∞滤波融入到imm中，形成imm-h∞组合模型
技术实现思路
1、本专利技术的目的是为了解决现有技术中的问题，而提出的一种基于hmm-imm-h∞的锂离子电池soc估计方法。
2、一种基于hmm-imm-h∞的锂离子电池soc估计方法，该方法的实现步骤为：
3、首先，建立二阶rc等效模型，使用带遗忘因子的递推最小二乘法辨识出在us06(epa测试工况中的激烈驾驶工况)、dst(动态应力测试工况)以及fuds(联邦城市驾驶工况)三个工况下的等效模型参数，从而得到不同工况下的三个等效模型；
4、其次，将建立好的三个等效模型分别作为三种不同的h∞滤波器(即h∞(1)，h∞(2)，h∞(3))，将这三种不同的滤波器融入到imm中，再利用hmm来不断修正imm中的马尔可夫状态转移矩阵，最终得到hmm-imm-h∞方法；
5、最后，分别将us06、dst以及fuds作为测试工况，基于hmm-imm-h∞对当前工况下的锂离子电池soc进行估计，通过混合前一时刻的所有滤波器的状态估计值来获得这个特定模型的初始值，通过模型匹配似然函数更新概率模型，并结合各滤波器修正后的估计值加权求和得到最佳估计值。
6、在上述基于hmm-imm-h∞的锂离子电池soc估计方法中，基于hmm的马尔可夫状态转移矩阵的不断更新，包括：定义：
7、前向变量αk(i)＝f(xk,nk＝i|ξ) (8)
8、后向变量
9、式中，ξ为hmm模型参数。
10、给定k时刻的目标观测序列xk，则目标在t时刻处于模式i的概率κt(i)、目标在t时刻处于模式i而t+1时刻转移到模式j的概率λt(i,j)可分别表示为：
11、κt(i)＝f(nk＝i|xk,ξ) (10)
12、λt(i,j)＝f(pk＝i,nk+1＝j|xk,ξ) (11)
13、记t时刻hmm转移概率矩阵为pt＝{pij(t)}，则上述变量的计算可由公式(12)-(16)表示：
14、
15、式中，α1(i)＝μibi(x1),1≤i≤s，t＝k-1,k-2,...,1,i∈n。
16、
17、式中，βk(i)＝1,i∈n。
18、
19、
20、综上，显然可以得到：
21、
22、为简化公式(8)-(16)，本专利技术设计了us06、dst和fuds三个工况之间的转移过程。①为us06转移到us06、dst转移到us06以及fuds转移到us06的情况；②为dst转移到dst、us06转移到dst以及fuds转移到dst的情况；③为fuds转移到fuds、dst转移到fuds以及us06转移到fuds的情况。用数学表达式为：
23、κt(us06)＝∑λt(①) (17)
24、κt(dst)＝∑λt(②) (18)
25、κt(fuds)＝∑λt(③) (19)
26、通过计算数据对数似然函数的期望，可得到一个关于ξ的函数
27、
28、式中，为ξ的数学期望。
29、逼近似然函数p(nk|ξ)至某一极值，可得到：
30、
31、因此hmm模型的转移概率可估计为：
32、
33、从而马尔可夫状态转移矩阵如等式(23)所示：
34、
35、在上述soc估计方法中，imm-h∞模型中h∞增益可计算如下：
36、
37、滤波：
38、
39、状态误差协方差的更新：
40、pj(k|k)＝pj(k|k-1)(i-λspj(k|k-1)+ht(k)r-1h(k)pj(k|k-1))-1 (32)。
41、与现有的技术相比，本专利技术优点在于：基于imm-h∞的soc估计方法结合了h∞滤波强自适应力和imm多模型融合力的优势，再利用hmm不断修正imm中的马尔可夫状态转移矩阵，最后通过匹配似然函数更新概率模型，加权合并每个h∞滤波器的估计结果，从而大大提高了锂离子电池soc估计精度。
本文档来自技高网...【技术保护点】
1.一种基于HMM-IMM-H∞的锂离子电池SOC估计方法，其特征在于：该方法的实现步骤为：
2.根据权利要求1所述的一种基于HMM-IMM-H∞的锂离子电池SOC估计方法，其特征在于：基于HMM的马尔可夫状态转移矩阵的不断更新，包括：定义：
3.根据权利要求书1所述一种基于HMM-IMM-H∞锂离子电池SOC估计方法，其特征在于：IMM-H∞模型中H∞增益计算如下：
【技术特征摘要】
1.一种基于hmm-imm-h∞的锂离子电池soc估计方法，其特征在于：该方法的实现步骤为：
2.根据权利要求1所述的一种基于hmm-imm-h∞的锂离子电池soc估计方法，其特征在于：...
【专利技术属性】
技术研发人员：王琪，翟延亚，顾彦东，葛蓝田，刘晓杰，
申请(专利权)人：江苏理工学院，
类型：发明
国别省市：
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。