1.卡尔曼滤波原理

原理可以参考我之前学习的笔记，使用goodnote完成的。

我认为，对于公式的推导不需要做太多深入的了解，我之前也对公式进行推导的理解，但是没过几天就忘了，只需要掌握住那重要的5个步骤即可，能够熟练运用才是王道。

2.扩展卡尔曼滤波的MATLAB代码实现

下面介绍一下如何通过MATLAB，使用扩展卡尔曼滤波完成SOC的估计，我会将代码里面需要修改的地方进行讲解，当你辨识完参数要进行SOC估计时，只需要修改我所说的就能够实现。

2.1 电池参数的修改

Cn=18*3600;%电池容量，单位As
delta_t=1;%采样时间
R1=-9.015*socc.^6+20.64*socc.^5-15*socc.^4+2.196*socc.^3+1.747*socc.^2-0.7141*socc+0.09635;
R2=38.17*socc.^6-106.5*socc.^5+115.7*socc.^4-61.8*socc.^3+16.93*socc.^2-2.263*socc+0.1285;
C1=-6.037e+06*socc.^6+1.697e+07*socc.^5-1.81e+07*socc.^4+9.097e+06*socc.^3-2.189e+06*socc.^2+2.367e+05*socc-7963;
C2=1.82e+08*socc.^6-4.243e+08*socc.^5+3.83e+08*socc.^4-1.75e+08*socc.^3+4.456e+07*socc.^2-5.862e+06*socc+3.205e+05;
ro=0.05;%电池内阻

Cn就是电池容量，你自己的电池容量是多少就写多少，18代表时间Ah，注意单位是Ah。

采样时间可以不用改，；

R1：就写拟合得到的R1与SOC的多项式，也可以是常数；

R2：就写拟合得到的R2与SOC的多项式，也可以是常数；

C1：就写拟合得到的C1与SOC的多项式，也可以是常数；

C2：就写拟合得到的C2与SOC的多项式，也可以是常数；

R0：就写拟合得到的R0与SOC的多项式，也可以是常数；

2.2 电流数据以及SOC-OCV曲线

i=I1;
i(1)=0;%放电电流矩阵
fn=@(x) -189.5*x^6+696.7*x^5-1007*x^4+727.8*x^3-275.4*x^2+51.63*x+9.562;%拟合soc-ocv表达式
syms t1;
g=fn(t1);
g=matlabFunction(diff(g));%fn对soc的偏导A=[1 0 0;0 rp1*cp1/(delta_t+rp1*cp1) 0;0 0 rp2*cp2/(delta_t+rp2*cp2)];
B=[-delta_t/Cn;delta_t*rp1/(delta_t+rp1*cp1);delta_t*rp2/(delta_t+rp2*cp2)];%A，B矩阵
t=0:delta_t:14000;%仿真序列时间

电流要导入自己的电流数据；

要注意仿真序列时间不要超过电流数据的长度；

3.扩展卡尔曼算法迭代

Xekf=zeros(size);%EKF下的状态变量
P0=eye(3);%协方差矩阵初值
Xekf(:,1)=[1;0;0];%EKF状态变量初值，可更改for k=2:NXn=A*Xekf(:,k-1)+B*i(k);%计算先验估计P1=A*P0*A'+Q;%更新协方差矩阵dd=Xn(1)-Soc(k);%计算先验估计值与真值的差Zm=g(Soc(k))*dd+fn(Soc(k))-Xn(2)-Xn(3)-i(k)*ro;%计算观测值H=[g(Xn(1)) 0 0];%雅克比矩阵计算K=P1*H'*inv(H*P1*H'+R);%计算卡尔曼增益Xekf(:,k)=Xn+K*(Uoc(k)-Zm);%更新状态P0=(eye(3)-K*H)*P1;%更新协方差方程
endSocekf=zeros(1,N);%Ekf下的soc
Uocekf=zeros(1,N);%Ekf下的端电压
Eekf=zeros(1,N);%EKF下的电池电压for k=1:NSocekf(k)=Xekf(1,k);Eekf(k)=fn(Socekf(k));Uocekf(k)=fn(Socekf(k))-i(k)*ro-Xekf(2,k)-Xekf(3,k);
end%计算三个值

完整代码点赞评论关注后吗，私信我获取。

3.结果验证

3.1 端电压对比

真实端电压与估计出的端电压的对比图如下：红色的线是扩展卡尔曼滤波估算的端电压误差。

3.2 SOC对比

真实SOC与估计出的SOC的对比图以及误差图如下：红色的线是扩展卡尔曼滤波估算的SOC。最大误差小于0.7%，具有较高精度。

这期就写到这里，下一期讲一下如何使用无迹卡尔曼滤波估计SOC以及如何在simulink中实现。拜拜。

还没完，刚入门电池管理SOC估计这块的福利来啦，下面是我硕博期间编写以及搜集到的有关SOC估计的程序、模型、电池测试数据共110多个文件，需要学习的小伙伴们找我拿呀！！！！

基于扩展卡尔曼滤波的SOC估计（附MATLAB代码）相关推荐

【滤波估计】基于双卡尔曼滤波实现soc和soh联合估计附matlab代码
1 内容介绍对电动汽车电池管理系统进行电池状态估计非常重要准确充电,实现电池模型参数的在线更新.在本文中,开路电压的估计转换为开路电压拟合的估计参数,快速时变参数开路电压被转换成几个慢时变参数.提出 ...
RBF-UKF径向基神经网络结合无迹卡尔曼滤波估计锂离子电池SOC（附MATLAB代码）
目录 RBFNN训练结果 UKF估计SOC 文章的结尾红色部分有彩蛋 RBFNN训练结果这篇文章主要介绍如何使用RBF神经网络训练出的参数并结合UKF算法完成锂离子电池SOC的估计,有关RBF参数训 ...
【数学建模】基于SIR模型实现新冠病毒COVID-19估计附matlab代码
1 内容介绍 COVID-19是由严重急性呼吸综合症冠状病毒2型引发的传染病,它最初病毒携带者是一些动物,传染源主要是COVID-19患者,无症状患者.传播方式主要是呼吸道飞沫近距离传播,接触传播,还 ...
【数字识别】基于Hopfield神经网络识别0-9数字附Matlab代码
1 内容介绍自1943年 McCulloch和 Pitts首次提出了人工神经元模型以来,新的神经元模型及其组成的神经网络不断被提出,已成为目前非线性科学和计算智能研究的一个主要研究方向.其中,神经网 ...
【图像增强】基于Frangi滤波器实现血管图像增强附matlab代码
1 简介分析视网膜血管结构的变化是诊断和检测糖尿病,高血压等血管类相关疾病的最重要步骤.针对眼底视网膜图像对比度低,受病变区域边界干扰,很难正确提取血管细节的问题提出了一种基于Frangi滤波器的视 ...
【图像识别】基于卷积神经网络实现手写汉字识别附matlab代码
1 内容介绍 1.1. 数据集的获取数据集的获取来自模式识别国家重点实验室共享,这个不解释直接上网址http://www.nlpr.ia.ac.cn/databases/download/featu ...
【图像加密】基于混沌系统进行灰度图像加密附Matlab代码
1 简介 1 基于混沌系统的图像加密解密 Logistic混沌置乱,先不说有多复杂,其实很简单. Logistic函数是源于一个人口统计的动力学系统,其系统方程形式如下: **X(k+1) = u ...
【车位检测】基于计算机视觉实现停车场空位识别附matlab代码
1 简介为便于汽车驾驶员在室外停车场中寻找可用空车位,基于以数据采集,图像处理和目标检测等过程的计算机视觉,开发了室外停车场车位检测实验. 2 部分代码 clc; close all; clear ...
【元胞自动机】基于元胞自动机模拟晶体生长附matlab代码
1 内容介绍基于溶质扩散和界面能的作用,考虑成分过冷,曲率过冷,界面能各向异性和界面扰动等因素,建立了单个等轴枝晶的生长模型.采用元胞自动机(cellular automata)方法模拟了枝晶生长 ...

基于扩展卡尔曼滤波的SOC估计（附MATLAB代码）