首页期刊导航|浙江大学学报（工学版）
期刊信息/Journal information
浙江大学学报（工学版）
浙江大学学报（工学版）

岑可法

月刊

1008-973X

xbgkb@zju.edu.cn

0571-87952273

310027

杭州市浙大路38号

浙江大学学报（工学版）/Journal Journal of Zhejiang University(Engineering Science)CSCD北大核心CSTPCDEI
查看更多>>本学报的前身是浙江大学学报（自然科学版），四校合并后，为了突出浙江大学的工科优势，改为浙江大学学报工学版，稿源主要来之于本校教师、学生、研究所的科研工作者。刊登内容包括计算机科学技术与工程，信电与电子工程，光电，工业控制，材料，化工，高分子，机械，电机，能源，土木建筑工程、力学、生物工程和生命科学、环境科学、食品工程、农业工程以及理科方面和交叉学科等方面的最新研究成果。
正式出版
收录年代

    适用于无人水下潜航器电池管理系统的SOC-SOH联合估计

    卢地华周胜增陈自强
    1080-1090页
    查看更多>>摘要：为了提高无人水下潜航器(UUV)电池管理系统状态的估计精度，提出荷电状态-健康状态(SOC-SOH)联合估计方法。搭建测试台架，采用 4 组锂离子电池进行全寿命周期下的充放电测试，获取不同老化程度下的特性数据。经理论推导和实验分析设计四维表征因子，建立基于改进支持向量回归(SVR)的SOH估计模型。探究电池状态的耦合关系，建立基于扩展卡尔曼滤波(EKF)的SOC估计模型，采用遗忘因子递推最小二乘算法(RLS)更新模型参数，利用SOH对SOC估计结果进行修正。通过不同工况的实验进行验证，结果表明:四维表征因子和电池容量相关性好，SOH估计模型精度高，SOC估计模型精度在联合修正后得到提升。所提的联合估计方法具有较高的通用性和可靠性，可以作为有效的嵌入式电池管理系统状态估计算法。

    无人潜航器(UUV)锂离子电池SOC-SOH联合估计扩展卡尔曼滤波(EKF)支持向量回归(SVR)

      原文链接:
    • NETL
    • NSTL
    • 万方数据
    • 维普