期刊导航
期刊开放获取
cqvip
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
3
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
锂电SOC改进无迹卡尔曼滤波估算算法研究
被引量:
4
1
作者
杨淇
孙桓五
张凤博
《机械设计与制造》
北大核心
2021年第10期220-224,共5页
传统无迹卡尔曼滤波(UKF)算法在估算锂离子动力电池荷电状态(SOC)时,常会出现由于电池模型参数不准确和无法预先获取噪声统计特性而使得估算误差增大的问题。针对这些问题,这里提出一种改进的自适应无迹卡尔曼滤波算法(AUKF):该算法通...
传统无迹卡尔曼滤波(UKF)算法在估算锂离子动力电池荷电状态(SOC)时,常会出现由于电池模型参数不准确和无法预先获取噪声统计特性而使得估算误差增大的问题。针对这些问题,这里提出一种改进的自适应无迹卡尔曼滤波算法(AUKF):该算法通过扩充状态变量法来实现欧姆内阻在线更新,以此提高电池模型精度,并根据实时SOC估计值与真实值的误差,构造滑模观测器实现系统噪声和观测噪声的更新,降低未知噪声的干扰,最后通过不同温度下复杂工况实验,验证了新算法的估计精度和稳定性。
展开更多
关键词
荷电状态
改进的自适应无迹卡尔曼滤波
扩充状态变量法
欧姆内阻
滑模观测器
下载PDF
职称材料
过去状态估计之集合Kalman滤波扩充状态变量法研究
被引量:
1
2
作者
韩月琪
彭跃华
+2 位作者
王云峰
吴祝慧
叶松
《高原气象》
CSCD
北大核心
2010年第4期968-974,共7页
集合Kalman滤波是由大气数据同化发展的新的同化算法,它利用蒙特卡罗方法计算背景场的误差协方差矩阵,克服了Kalman滤波需要线性化的模型算子和观测算子的难点。但是这种同化方法是一种顺序数据同化方法,无法对过去状态变量进行同化订...
集合Kalman滤波是由大气数据同化发展的新的同化算法,它利用蒙特卡罗方法计算背景场的误差协方差矩阵,克服了Kalman滤波需要线性化的模型算子和观测算子的难点。但是这种同化方法是一种顺序数据同化方法,无法对过去状态变量进行同化订正。而过去状态的估计对于建立大气或海洋历史资料库、获得准确的数值预报初始场有着重要的意义。本文在集合Kalman滤波同化方法的基础上,提出了可以对过去状态进行估计的集合Kalman滤波扩充状态变量法,然后分别采用空气质量方程和Lorenz系统对这种方法进行了检验。数值试验结果表明,这种方法可以对非线性系统中的过去状态变量进行有效的估计订正,说明该方法是可行的。
展开更多
关键词
过去状态估计
集合KALMAN滤波
扩充状态变量法
下载PDF
职称材料
污染模型中参数订正的集合Kalman滤波扩展状态变量法
3
作者
吴祝慧
韩月琪
+1 位作者
王成林
黄娟
《环境监控与预警》
2012年第3期36-39,56,共5页
污染模型中不确定参数的精确订正对于提高模型的精度有着重要的意义。在集合Kalman滤波(EnKF)同化方法的基础上,提出了对模型中不确定参数进行订正的EnKF扩展状态变量法,将不确定参数看成和模型状态变量一样的量,根据观测资料对不确定...
污染模型中不确定参数的精确订正对于提高模型的精度有着重要的意义。在集合Kalman滤波(EnKF)同化方法的基础上,提出了对模型中不确定参数进行订正的EnKF扩展状态变量法,将不确定参数看成和模型状态变量一样的量,根据观测资料对不确定变量进行订正,以达到订正参数的目的。采用一个简化的空气质量方程,对模型参数订正方案进行检验,结果证明提出的方案可行和有效。同时发现,随着观测资料精度的提高,无论是参数还是模型的状态变量,估计分析值的精度也得到相应的提高。
展开更多
关键词
污染模型
参数订正
集合KALMAN滤波
扩展状态变量法
下载PDF
职称材料
题名
锂电SOC改进无迹卡尔曼滤波估算算法研究
被引量:
4
1
作者
杨淇
孙桓五
张凤博
机构
太原理工大学机械与运载工程学院
煤炭资源开采利用与装备工程国家级实验教学示范中心
出处
《机械设计与制造》
北大核心
2021年第10期220-224,共5页
基金
山西省科技重大专项:重卡燃料电池动力系统及整车集成技术项目(20181102009)。
文摘
传统无迹卡尔曼滤波(UKF)算法在估算锂离子动力电池荷电状态(SOC)时,常会出现由于电池模型参数不准确和无法预先获取噪声统计特性而使得估算误差增大的问题。针对这些问题,这里提出一种改进的自适应无迹卡尔曼滤波算法(AUKF):该算法通过扩充状态变量法来实现欧姆内阻在线更新,以此提高电池模型精度,并根据实时SOC估计值与真实值的误差,构造滑模观测器实现系统噪声和观测噪声的更新,降低未知噪声的干扰,最后通过不同温度下复杂工况实验,验证了新算法的估计精度和稳定性。
关键词
荷电状态
改进的自适应无迹卡尔曼滤波
扩充状态变量法
欧姆内阻
滑模观测器
Keywords
state
Of
Charge
Improved
Adaptive
Unscented
Kalman
Filter
extended
state
variable
method
Ohmic
Internal
Resistance
Sliding
Mode
Observe
分类号
TH16 [机械工程—机械制造及自动化]
U469 [机械工程—车辆工程]
下载PDF
职称材料
题名
过去状态估计之集合Kalman滤波扩充状态变量法研究
被引量:
1
2
作者
韩月琪
彭跃华
王云峰
吴祝慧
叶松
机构
解放军理工大学气象学院
中国科学院大气物理研究所大气科学和地球流体力学数值模拟实验室
金陵科技学院
出处
《高原气象》
CSCD
北大核心
2010年第4期968-974,共7页
基金
国家自然科学基金项目(40805046
10871099
+2 种基金
40976062)
公益性行业(气象)专项课题(GYHY(QX)2007-6-15
GYHY200906009)共同资助
文摘
集合Kalman滤波是由大气数据同化发展的新的同化算法,它利用蒙特卡罗方法计算背景场的误差协方差矩阵,克服了Kalman滤波需要线性化的模型算子和观测算子的难点。但是这种同化方法是一种顺序数据同化方法,无法对过去状态变量进行同化订正。而过去状态的估计对于建立大气或海洋历史资料库、获得准确的数值预报初始场有着重要的意义。本文在集合Kalman滤波同化方法的基础上,提出了可以对过去状态进行估计的集合Kalman滤波扩充状态变量法,然后分别采用空气质量方程和Lorenz系统对这种方法进行了检验。数值试验结果表明,这种方法可以对非线性系统中的过去状态变量进行有效的估计订正,说明该方法是可行的。
关键词
过去状态估计
集合KALMAN滤波
扩充状态变量法
Keywords
Estimation
of
past
state
variable
Ensemble
Kalman
Filter
extended
state
variable
method
分类号
P437 [天文地球—大气科学及气象学]
下载PDF
职称材料
题名
污染模型中参数订正的集合Kalman滤波扩展状态变量法
3
作者
吴祝慧
韩月琪
王成林
黄娟
机构
金陵科技学院基础部
解放军理工大学气象学院
江苏省环境监测中心
出处
《环境监控与预警》
2012年第3期36-39,56,共5页
基金
国家自然科学基金项目(40805046)
江苏省自然科学基金项目(BK2010128)
+1 种基金
公益性行业(气象)专项课题(GYHY(QX)2007-6-15
GYHY200906009)
文摘
污染模型中不确定参数的精确订正对于提高模型的精度有着重要的意义。在集合Kalman滤波(EnKF)同化方法的基础上,提出了对模型中不确定参数进行订正的EnKF扩展状态变量法,将不确定参数看成和模型状态变量一样的量,根据观测资料对不确定变量进行订正,以达到订正参数的目的。采用一个简化的空气质量方程,对模型参数订正方案进行检验,结果证明提出的方案可行和有效。同时发现,随着观测资料精度的提高,无论是参数还是模型的状态变量,估计分析值的精度也得到相应的提高。
关键词
污染模型
参数订正
集合KALMAN滤波
扩展状态变量法
Keywords
pollution
model
parameter
estimation
Ensemble
Kalman
Filter
extended
state
variable
method
分类号
X823 [环境科学与工程—环境工程]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
锂电SOC改进无迹卡尔曼滤波估算算法研究
杨淇
孙桓五
张凤博
《机械设计与制造》
北大核心
2021
4
下载PDF
职称材料
2
过去状态估计之集合Kalman滤波扩充状态变量法研究
韩月琪
彭跃华
王云峰
吴祝慧
叶松
《高原气象》
CSCD
北大核心
2010
1
下载PDF
职称材料
3
污染模型中参数订正的集合Kalman滤波扩展状态变量法
吴祝慧
韩月琪
王成林
黄娟
《环境监控与预警》
2012
0
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部