本发明属于
锂电池SoC估计领域,具体涉及一种基于卡尔曼滤波器和神经网络联合估计模型的SoC估计方法;该方法包括:实时获取待检测的锂电池的电流和电压;将获取的电流和电压输入到神经网络联合估计模型中,得到待检测的锂电池SoC估计结果,本发明利用锂电池
电化学模型结合神经网络非线性参数化方法,提高了模型的泛化能力;使用Sage‑Husa估计器与无迹卡尔曼滤波算法结合,提高算法估计精度;通过实时更新模型参数,解决了因环境变化和自身老化造成的锂电池模型准确性降低的问题;与深度学习的估计方法相比,需要的数据量更小,抗噪声的能力更强。
声明:
“基于卡尔曼滤波器和神经网络联合估计模型的SoC估计方法” 该技术专利(论文)所有权利归属于技术(论文)所有人。仅供学习研究,如用于商业用途,请联系该技术所有人。
我是此专利(论文)的发明人(作者)