第４３卷第１期安徽理工大学学报（自然科学版）Ｖｏｌ．４３Ｎｏ．１２０２３年１月ＪｏｕｒｎａｌｏｆＡｎｈｕｉＵｎｉｖｅｒｓｉｔｙｏｆＳｃｉｅｎｃｅａｎｄＴｅｃｈｎｏｌｏｇｙ（ＮａｔｕｒａｌＳｃｉｅｎｃｅ）Ｊａｎ．２０２３基于ＦＦＲＬＳ－ＡＵＫＦ的锂电池参数在线辨识及ＳＯＣ估计凌六一１，２，吴贤圆１，王星凯１，邢丽坤１，卢路１（１．安徽理工大学电气与信息工程学院，安徽淮南２３２００１；２．安徽理工大学人工智能学院，安徽淮南２３２００１）摘要：针对锂电池模型参数辨识不准确以及传统无迹卡尔曼滤波（ＵＫＦ）无法对噪声进行实时更新，从而导致锂电池荷电状态（ＳＯＣ）估计误差偏大的问题，提出遗忘因子递推最小二乘法－自适应无迹卡尔曼滤波（ＦＦＲＬＳ－ＡＵＫＦ）算法。先利用遗忘因子递推最小二乘法（ＦＦＲＬＳ）对电池二阶ＲＣ等效电路模型进行在线参数辨识，再将所辨识的各参数传给由ＵＫＦ和改进的Ｓａｇｅ－Ｈｕｓａ算法结合得到的ＡＵＫＦ，从而完成对锂电池的ＳＯＣ估计，并将其与ＦＦＲＬＳ－ＵＫＦ以及离线ＵＫＦ所估计的结果相比较。从对ＳＯＣ估计的误差曲线和平均绝对误差以及均方根误差的数值上对比，均可得出ＦＦＲＬＳ－ＡＵＫＦ的精度更高，稳定性更好。关键词：ＳＯＣ估计；无迹卡尔曼滤波；Ｓａｇｅ－Ｈｕｓａ；遗忘因子递推；最小二乘法中图分类号：ＴＭ９１２文献标志码：Ａ文章编号：１６７２－１０９８（２０２３）０１－０００１－０７收稿日期：２０２２－０２－２１基金项目：安徽省高校自然科学基金资助项目（ＫＪ２０１９Ａ０１０６）作者简介：凌六一（１９８０－），男，安徽枞阳人，教授，博士，研究方向：检测技术与智能信息处理。ＯｎｌｉｎｅＰａｒａｍｅｔｅｒＩｄｅｎｔｉｆｉｃａｔｉｏｎａｎｄＳＯＣＥｓｔｉｍａｔｉｏｎｏｆＬｉｔｈｉｕｍＢａｔｔｅｒｙＢａｓｅｄｏｎＦＦＲＬＳ－ＡＵＫＦＬＩＮＧＬｉｕｙｉ１，２，ＷＵＸｉａｎｙｕａｎ１，ＷＡＮＧＸｉｎｇｋａｉ１，ＸＩＮＧＬｉｋｕｎ１，ＬＵＬｕ１（１．ＳｃｈｏｏｌｏｆＥｌｅｃｔｒｉｃａｌａｎｄＩｎｆｏｒｍａｔｉｏｎＥｎｇｉｎｅｅｒｉｎｇ，ＡｎｈｕｉＵｎｉｖｅｒｓｉｔｙｏｆＳｃｉｅｎｃｅａｎｄＴｅｃｈｎｏｌｏｇｙ，ＨｕａｉｎａｎＡｎｈｕｉ２３２００１，Ｃｈｉｎａ；２．ＳｃｈｏｏｌｏｆＡｒｔｉｆｉｃｉａｌＩｎｔｅｌｌｉｇｅｎｃｅ，ＡｎｈｕｉＵｎｉｖｅｒｓｉｔｙｏｆＳｃｉｅｎｃｅａ...
