[发明专利]一种快速识别车用锂电池参数的离线估计方法

权利要求书

1.本发明旨在用一种快速识别车用锂电池参数的离线估计方法，实现对分数阶锂电池参数的有效辨识。其特征在于，首先要构建基于单CPE元件的分数阶锂电池模型的辨识模型如附图1所示：

然后参照所建模型结构，根据基尔霍夫电压定律，构建单CPE分数阶锂电池模型输出电压表达式如下：

在第l次采样时刻，这个方程重新排列为

其中，△^(α)＝△^αU_t(l)-U_t(l)，△^α是α阶的微分，U_oc是荷电状态，R_i,R_ct,τ＝R_ctQ,为在辨识过程中加入的有色噪声。

继而得到单CPE分数阶锂电池模型的伪线性回归模型：

考虑到欧姆电阻变化较快，且对电荷估计状态有重要影响，将R_i视为一种变化状态。因此，离散状态空间函数可以建立为:

2.如权利要求1所述的迭代辨识算法，设计出基于数据滤波的梯度迭代参数辨识算法流程：

第一步：启动参数辨识算法；

第二步：令迭代次数k＝0，设置初始值；

第三步：获取单CPE分数阶锂电池的电流数据作为输入数据，电压U_t(l)数据作为输出数据；

第四步：构建

第五步：构建

第七步：计算μ_k；

第八步：更新

第十步：若否则，得到结束流程。

其中各变量的定义如下：

定义输入量I(l)，输出量U_t(l)；

定义其输入构成的数据组为I(L)，输出构成的数据组为U(L)，L为数据长度；

定义为相关的滤波后信息向量；

定义为参数向量；

定义为第k次迭代的的估计值；

为第k次迭代的估计值；表示Φ_f(θ,l)在第k次迭代的估计值；μ_k表示第k次迭代的步长μ的估计值。

根据权利要求2所述的构建基于单CPE分数阶锂电池模型的参数估计方法，最终推导出的数据滤波梯度迭代估计算法为：

U(L)＝[U_tf(1),U_tf(2),...,U_tf(L)]^T, (8)

上述算法的具体步骤：

1)启动辨识算法，令k＝1，设置初始值：和为随机向量

2)获取锂电池的电流I(l)作为输入数据，锂电池输出U_t(l)作为输出数据；

3)分别通过式(10)，式(9)，获得

4)通过式(11)计算μ_k；

5)通过式(7)刷新迭代所估计的

6)若另k＝k+1并重复第三步到第七步，否则，得到结束流程。

3.基于上述数据滤波的梯度迭代参数辨识算法，设计出卡尔曼状态估计算法：

其中表示滤波后的电压，表示滤波后的状态。依据数据滤波梯度迭代算法得到参数估计值，进而应用估计值实现卡尔曼状态估计。