[发明专利]用于大型无人机锂离子电池组SOC估计的无迹粒子滤波方法

权利要求书

1.一种用于大型无人机锂离子电池组SOC估计的无迹粒子滤波方法，其特征在于，包括以下步骤：

S01、根据锂离子电池组SOC的影响因素与内部因参数耦合而具有的非线性工作特性之间的关系构建电池模型；

S02、采集电池组的各项数据并进行整合；

S03、整合后的数据利用无迹卡尔曼滤波算法得到的均值和方差来更新粒子滤波算法采样中的粒子集；

S04、根据步骤S03的计算预测锂离子电池组工作特性。

2.根据权利要求1所述的用于大型无人机锂离子电池组SOC估计的无迹粒子滤波方法，其特征在于，所述步骤S03中的粒子滤波算法包括以下步骤：

S31、初始化：用先验概率p(x₀)产生N个SOC初始粒子粒子权值

S32、更新粒子权重，其更新公式为：

S33、根据公式计算最小均方估计；

S34、重采样，其中有效粒子数当N_eff≤N_s，得到若干粒子集

S35、采用状态方程预测未知参数

S36、判断程序结束条件，若未结束，时刻k＝k+1，跳转至步骤S31。

3.根据权利要求2所述的用于大型无人机锂离子电池组SOC估计的无迹粒子滤波方法，其特征在于，所述步骤S03中的无迹粒子滤波算法包括以下步骤：

S37、从先验分布p(X₀)抽取粒子作为新的粒子集合的初始状态，该粒子从系统重要密度函数中获取；

S38、采样产生Sigma点集并对Sigma点集进一步预测，得到的观测值，更新系统状态；

S39、根据公式归一化权值；

S0310、根据公式进行状态估计；

S0311、进行多项式重采样，并对重采样后的粒子数进行统计，并和阙值进行比较，粒子数目如果相对于阙值较小，则进行重新选样，重新选样后的粒子形成新的粒子集合。

4.根据权利要求4所述的用于大型无人机锂离子电池组SOC估计的无迹粒子滤波方法，其特征在于，针对步骤S0311中粒子重新采样导致的粒子集枯竭现象，重采样设计中加入参数α，对粒子集可能出现的枯竭现象进行抑制，该参数需要满足下式：

5.根据权利要求3所述的用于大型无人机锂离子电池组SOC估计的无迹粒子滤波方法，其特征在于，步骤S038中重要性采样阶段产生Sigma点集的公式如下：

n是状态变量X的维度数。λ参数表示缩放比例。对Sigma点集进一步预测具体公式如下：

W_i^c表示第i个采样点在计算协方差时的权重。Z_k表示最新观测信息。通过得到的观测值，更新系统状态的公式如下：

其中，K为卡尔曼增益。于是得到样本均值和协方差