【摘 要】
：
对锂电池荷电状态(state of charge,SOC)进行准确地估算十分重要.由于SOC呈非线性特征,并且受多种因素的动态影响,准确估计困难.本文利用高斯-厄米特滤波(Gauss-Hermite filter,GHF)的思想,结合Thevenin等效电路模型,提出一种自适应高斯-厄米特滤波(adaptive Gauss-Hermite filter,AGHF)算法对SOC实时估计更新.利用MATLAB/Simulink建立仿真模型,并与扩展卡尔曼滤波(extended Kalman filter,EK
【机 构】
：
太原理工大学机械与运载工程学院,山西 太原 030024
论文部分内容阅读
对锂电池荷电状态(state of charge,SOC)进行准确地估算十分重要.由于SOC呈非线性特征,并且受多种因素的动态影响,准确估计困难.本文利用高斯-厄米特滤波(Gauss-Hermite filter,GHF)的思想,结合Thevenin等效电路模型,提出一种自适应高斯-厄米特滤波(adaptive Gauss-Hermite filter,AGHF)算法对SOC实时估计更新.利用MATLAB/Simulink建立仿真模型,并与扩展卡尔曼滤波(extended Kalman filter,EKF)算法及传统的高斯-厄米特滤波算法相比较.通过分析对比可以发现该算法的估算精度较高,可以有效地控制滤波发散.
其他文献
由于当前已有方法未能考虑大型数控铣床转动轴误差测试点的分布问题,导致误差信息获取准确率下降,耗时增加.为了有效解决上述问题,提出一种大型数控铣床转动轴联动误差信息获取方法.将大型数控铣床运动部件的误差元素划分两类,分别对直线运动部件和旋转运动部件的两类误差进行数学建模.同时研究大型数控铣床转动轴误差测试点的分布方案,使用基于随机概率的SOM神经网络分类算法对各个测试点进行优化.以此为基础,组建大型数控铣床转动轴联动误差信息获取模型,有效实现大型数控铣床转动轴联动误差信息获取.仿真实验结果表明,所提方法能够
为了提高智能汽车行驶安全性,提出了基于人工水滴算法的避障路径规划和自适应路径跟踪控制方法.在路径规划方面,模拟水往低处流过程,提出了基于人工水滴算法的路径规划方法,经验证,人工水滴算法在动静态环境下都能够规划出避障路径.在路径跟踪方面,设计了转向控制与速度自适应控制的综合控制器;基于车辆线性二自由度模型,提出了模型预测转向控制;结合预瞄模型和二次规划方法,提出了速度随行驶路况自适应控制方法.经绕桩实验验证,本文提出的综合控制方法最大横向跟踪误差为0.1m,文献[11]提出的控制方法最大横向误差为0.6m,
针对通用丝锥加工高硬度工件材料时出现刀具磨损快、扭矩增大等问题,在通用丝锥结构基础之上,以加工钛合金为例,利用AdvantEdge软件对丝锥攻丝过程进行仿真模拟,采用正交试验和极差分析法,以最小轴向力、最小扭矩、和最低温度为评价指标,研究了丝锥前角、后角、锥角、转速对攻丝过程的影响规律,优化了丝锥结构参数和加工参数.并对优化后丝锥与通用丝锥进行了有限元仿真实验,进行了实验结果对比分析.结果表明丝锥前角4°、后角10°、锥角6°、转速125r/min的优组合丝锥结构合理,且温度、扭矩、推力以及刀齿应力均显著
针对中小型远洋船舶对淡水产量及水质的需求,设计了一套蒸馏海水淡化系统,并搭建试验装置,通过单因素试验和正交试验,研究了热源水温度、热源水流量、蒸馏器内真空度、进料水流量、冷却水流量对系统产水率的影响,以及蒸馏器内真空度对系统产水水质(pH、可溶性固体总量(TDS)、电导率)的影响,对正交试验结果进行极差分析和方差分析,获得了影响系统产水率和产水水质因素的主次顺序及系统最佳工况参数,结果表明:系统最佳工况参数为热源水流量5500L/h,真空度86kPa,冷却水流量4500 L/h,进料水盐度45ppt:对系
设计并仿真了某款车型的深度混合动力变速箱液压系统.根据变速箱液压系统功能需求对液压系统的液压源与主油路控制系统、换挡元件与驻车控制系统以及冷却润滑系统进行原理设计,并结合理论分析计算出各元件的参数.利用AMESim软件建立了液压系统动态仿真模型以及冷却润滑油路的流量分配模型,基于试验数据与仿真结果的比较验证了模型的正确性,对主油路建压特性与冷却润滑油路流量分配进行了动态仿真,结果表明,此设计满足液压系统的压力控制与流量需求.
介绍了目前复杂曲线加工的现状,以及利用NURBS曲线进行复杂曲线加工的优势,同时提出了对NURBS曲线双向插补过程中正反向减加速阶段以及匀速阶段一种改进的误差圆整的算法.对NURBS曲线进行实时的双向插补时,在双向的加速度到达最大之前,插补数据正向输出,反向储存,经过这个阶段以后,需要对剩余的弧长进行正向速度规划和插补,包括S曲线加减速算法中的减加速阶段,匀速阶段,加减速阶段,经过前一阶段插补,三个阶段对应的时间T3、T4、T5已经计算获得,然而,无法保证T3、T4、T5的总和是插补周期T的整数倍,即存在
铰接式车辆具有良好的通过性,适合大载重下载通道运输使用,但车架的受力情况复杂,影响整车的使用寿命.根据此类车辆的运输工况特点,对不同工况下,车架铰接点处主要部件的承载情况进行分析.根据受力分析结果,采用有限单元法进行建模分析,获取不同工况下的应力分布云图,并获取应力集中极值点.采用材料升级和结构优化对车架应力集中点进行优化设计,并对比分析优化前后的应力分布情况.在应力分布的集中点,布置应变片,采用电测法对车架的应力分布进行测试.结果可知:不同工况下,整机各部分强度满足使用要求,但是存在局部应力集中,强度较
爬壁机器人全向移动时,由于平稳性因子较低,难以保障机器人在移动过程中的平稳性,且无法有效地控制机器人.针对目前存在的平稳性差和控制精度低的问题,提出爬壁机器人底盘结构全向移动自主控制设计方法,以爬壁机器人为例,研究全向移动机器人的底盘结构控制,在变换坐标系的基础上构建爬壁机器人的运动学模型;根据运动学模型为全向移动机器人的自主控制提供相关信息,提高控制的精准度.利用卡尔曼滤波器对爬壁机器人的姿态进行解算,对爬壁机器人运动的平稳性进行考虑,利用PID控制算法实现爬壁机器人底盘结构全向移动的自主控制.实验结果
神经网络由于强大的非线性逼近能力、不需要建立数学模型等优势可以很好地完成荷电状态(state of charge,SOC)预测.但是常用的BP神经网络也存在学习效率慢、容易陷入局部极小值的缺点.为改进传统神经网络的不足,提高预测精度,提出自适应变异粒子群优化算法(Particle Swarm Optimizition with Adaptive Mutation,AMPSO)与BP神经网络相结合的估算方法.在高级车辆仿真器(ADVISOR)仿真环境下,利用实际工况条件下的数据进行SOC估计,并与PSO、E
针对滚动轴承故障种类繁多,故障信号特征不明显的问题,提出了一种小波包能量与卷积神经网络相结合的滚动轴承故障判别方法.首先对原始振动信号进行小波包分解,其次求取分解后各个子带信号的能量,归一化后得到一组特征向量,最后将该特征向量作为卷积神经网络的输入,进而判断输入信号所对应的故障类型.为验证所提方法的有效性和优越性,采用美国凯斯西储大学轴承数据集,将所提出的方法与另外两种故障诊断算法进行对比.在不同工况情况下的对比试验结果表明,小波包能量特征提取方法,能够有效提取出原始信号故障特征.相较于常见的卷积神经网络