搜索资源列表
ekalman
- 采用extendedkalmanfilter进行状态估计（电池常电流放电电量）-For state estimation using extended kalman filter
Lithium-Battery-SOC
- 蓄电池荷电状态健康评估，能够有效的估计电池的剩余电量-Battery charged state of health assessment, can effectively estimate soc of the battery
estimateSOC7state
- 利用m函数编写扩展卡尔曼滤波程序实现电池负荷状态估计-Using the m- function to Write the Extended Kalman Filter Program to Realize the Charge State Estimation
SOC-Folder
- 一个MATLAB/Simulink模型，关于电动汽车动力电池荷电状态（State of Charge，SOC）估计； 包括参数文件、模型文件两种，模型文件分别仿真了110A恒流、110A脉冲和ECE15工况； 建模采用基于PEGV的电池等效模型对SOC进行估计，并且加入了温度修正等。 模型比较简单，原理清楚，适合对电动汽车动力电池SOC的估计有兴趣的初学者参考学习，学习前请阅读2到3篇基于电池PNGV等效电池模型的动力电池S
SOH-Folder
- 一个MATLAB/Simulink模型，关于电动汽车动力电池健康状态（State of Health； 建模基于SOC估计； 模型比较简单，原理清楚，适合对电动汽车动力电池SOH的估计有兴趣的初学者参考学习，学习前请阅读2到3篇动力电池SOH估计方面论文，这样对理解模型更有帮助。-A MATLAB/Simulink model, on the electric vehicle power battery health statu
卡尔曼滤波估测电池SOC
- 利用卡尔曼滤波估计锂离子电池的SOC状态，可以达到良好的效果，误差很小。(Using Kalman filter to estimate SOC state of lithium-ion battery and it can achieve good results with little error.)
电动汽车SOC估计算法
- 在安时计量方法的基础上, 采用基于折算库仑效率的卡尔曼滤波算法估计蓄电池荷电状态(SOC),并 将此方法应用于 HEV6580混合动力电动汽车镍氢电池管理系统。系统实现的功能包括: 数据监测、数据显示、CAN 通信、SOC估计、热管理和安全报警。经电池试验台模拟工况试验验证, 电池管理系统各子系统达到设计要求且工 作稳定。改进 SOC估计方法解决了传统安时计量法不能估计初始 SOC、难于准确测量库仑效率的问题, 为电池管 理系
鍙屽崱灏旀浖SOC浼拌
- 锂电池荷电状态(SOC)的精确估计一直是电池管理系统的核心任务之一。电流传感器中存在非零均值的电流漂移噪声,这些噪声会造成不可避免的估计误差。为减少电流漂移噪声对估算造成的不利影响,提出了联合扩展卡尔曼滤波法,以Thevenin模型为锂电池等效电路模型,将电流漂移值作为状态变量与电池SOC进行同步预测。实验和仿真结果表明,该方法能有效抑制电流漂移噪声,提高估算精度。(The accurate estimation of the char
UKFF
- 利用ukf算法，通过辨识过的参数，进行状态方程的状态的估计，从而实现对soc的估计(Using UKF algorithm, the state of state equation is estimated by identifying parameters, thus the estimation of SOC is realized.)
kalmanfilters
- 算法用于锂离子电池，用卡尔曼滤波算法进行状态估计并进行预测(state estimation and estimation)
扩展卡尔曼滤波SOC算法Simulink模型
- 在simulink中采用扩展卡尔曼滤波估算电池soc(Estimating SOC of battery with extended Kalman filter in Simulink)
基于卡尔曼滤波的电池荷电状态估计
- 电池荷电状态检测算法的matlab仿真。(Matlab simulation of battery charging state detection algorithm.)