[发明专利]一种多新息混合Kalman滤波和H无穷滤波算法

权利要求书

1.一种多新息混合Kalman滤波和H无穷滤波算法，其特征在于，具体包括以下步骤：

步骤1)建立锂电池的一阶RC电路模型，根据该模型写出描述锂电池系统的状态空间表达式，将电流和电压作为输入，利用递推最小二乘法进行参数辨识；

步骤2)分别建立多新息扩展卡尔曼滤波器和多新息H_∞滤波器，对卡尔曼滤波器的性能进行讨论，定义混合滤波性能评价指标实现更好的权值分配，建立基于多新息的混合Kalman/H_∞滤波器；

步骤3)最后通过对权值表达式中的参数取不同值来验证多新息的混合Kalman/H_∞滤波算法收敛精度高和鲁棒性好的优势。

2.根据权利要求1所述的一种多新息混合Kalman滤波和H无穷滤波算法，其特征在于，所述步骤1)具体包括：

步骤1-1)首先建立锂电池的一阶RC电路模型，根据模型写出锂电池的状态空间表达式：

U_oc＝U+R₁i+U_c (1)

式(1)-(2)中，U为锂电池的端电压；U_oc为锂电池的开路电压；i为锂电池的工作电流；R₁为锂电池的欧姆内阻；R₂为锂电池的极化内阻；C为锂电池的极化电容；

步骤1-2)其次，将状态空间表达式离散化，利用递推最小二乘法进行模型参数辨识：

式(3)中，T为采样周期；x(k)＝[S(k),U_c(k)]^T为系统的状态变量；u(k)＝I(k)表示锂电池系统的控制输入，即电池的工作电流；y(k)＝U(k)表示锂电池系统的输出；为系统噪声，其协方差为Q(k)；v(k)为系统的观测噪声，其协方差为R(k)，系统噪声和观测噪声的统计特性均未知；锂电池的状态空间模型中的系统矩阵、输入矩阵、输出矩阵以及直接传递矩阵分别为：

步骤1-3)利用递推最小二乘法进行模型对锂电池模型进行参数辨识，可得：

在(5)式中，q(k)为自定义的矩阵；φ(k)＝[y(k-1),I(k),I(k-1)]^T；θ＝[a₁,a₂,a₃]^T,a₁,a₂,a₃是与锂电池模型相关的参数，可由递推最小二乘法辨识；I是单位矩阵；M_k为增益向量；在锂电池的工作过程中，可以直接测量的物理量包括电池的工作电流I(k)以及工作电压U(k)；根据选择的锂电池模型的递推关系式，需要获得当前时刻的工作电流I(k)、前一时刻的工作电流I(k-1)以及再前时刻的工作电流I(k-2)；当前时刻的工作电压U(k)、前一时刻的工作电压U(k-1)以及再前一时刻的工作电压U(k-2)。