CN119438913A 一种锂离子动力电池外部热阻与内外温度联合估计方法 （华东交通大学）

一种锂离子动力电池外部热阻与内外温度本发明提供一种锂离子动力电池外部热阻应的基于遗传算法优化的粒子群算法对热参数数中的外部热阻为初值对高增益观测器进行初实时估计的外部热阻输入到自适应强跟踪扩展化算法对自适应强跟踪扩展卡尔曼滤波器的过2步骤S2，基于步骤S1中建立的电池等效热模型，采用将步骤S2中辨识出的热参数与步骤S3中实时估计的外部热阻输入到自适应强跟踪扩展卡步骤S5，基于步骤S4中构建的自适应强跟踪扩展卡尔曼的天鹰优化算法对自适应强跟踪扩展卡尔曼滤波器的过程噪声协方差和观测噪声协方差2.根据权利要求1所述的锂离子动力电池外部热阻与内外温度联合估计方法，其特征;令得：;;abfif为电池表面温度的;;3.根据权利要求2所述的锂离子动力电池外部热阻与内外温度联合估计方法，其特征b3;其中，T/(k)为k时刻测量的电池表面温度，为k时刻自适应的基于遗传算法优化4.根据权利要求3所述的锂离子动力电池外部热阻与内外温度联合估计方法，其特征;;令得：;z-[4];;以步骤S2中辨识出的外部热阻为初始值输入到高增益观测器中，最终完成对和的实时45.根据权利要求4所述的锂离子动力电池外部热阻与内外温度联合估计方法，其特征构建非线性系统的自适应强跟踪扩展卡尔曼滤波器;;;;,为k时刻的自适应强跟踪扩展卡尔曼滤波器的状态变量，为状态转移矩阵，y为控制矩阵，Q.(k)为k时刻电池的产热量，w(k)为k时刻的过程噪声，为自适应强跟踪扩展卡尔曼滤波器的观测矩阵，n-[0]，v(k+1)为k+1时刻的观测噪声；将状态方程和观测方程引入自适应强跟踪扩展卡尔曼滤波器中进行预测和更新，其;;其中，V(k+1)为k+1时刻的信息协方差矩阵，V(k)为k时刻的信息协方差矩阵，为遗忘因子；;其中，trace为求迹运算符，a为弱化因子，R,(k+1)为k+1时刻的测量噪声协方差，5;;;其中，dk,(k+1)为k+1时刻Sage_Husa自适应滤波的新息，为测量噪声;其中，jlk+IIK)为根据k时刻预测的k+1时刻的状态变量，jlk)为k时刻的状态估计值，为过程噪声期望k时刻的估计值；;其中，K(k+1)为k+1时刻的卡尔曼增益，i,(k)为k时刻的测量噪声协方差矩阵的估计;;6更新测量噪声期望k+1时刻的估计值i,(k+1)、过程噪声期望k+1时刻的估计值j,(k+1)、k+1时刻的测量噪声协方差矩阵的估计值i,(k+1)、k+1时刻的过程噪声协方差;;;。6.根据权利要求5所述的锂离子动力电池外部热阻与内外温度联合估计方法，其特征在对天鹰优化算法中，引入改进的Tent混沌映射以生成初始;其中，和分别为第i个和第i+1个天鹰个体的混沌序列，rand为0到1之间的随机;;;其中，xi(h+1)为改进的天鹰优化算法拓展探索阶段第h+1次迭代的解，iter和itermax;其中，ti(h)为第h次迭代的多策略改进将自适应强跟踪扩展卡尔曼滤波器的过程噪声协方差Q,和测量噪声协方差R,作为改;7I最后通过优化后的滤波器对锂离子动力电池内8不完善是导致电池热失控的重要原因，需要制定有效的电池温度估计方法来预测电池温[0004]本发明的目的在于提供一种锂离子动力电池外部热阻与改进的天鹰优化算法对自适应强跟踪扩展卡尔曼滤波器的过程噪声协方差和观测噪声协9传感器连续受到干扰而产生较大噪声时新息序列增大,经过强跟踪扩展卡尔曼滤波器时协基于多策略改进的天鹰优化算法对过程噪声协方差矩阵和观测噪声协方差矩阵进行寻优[0007]图1为本发明的锂离子动力电池外部热阻与内外温度联合估计方法的流程示意图2为本发明所提出的方法对锂离子动力电池表面温度的估计值与传统算法对锂图3为本发明所提出的方法对锂离子动力电池内部温度的估计值与传统算法对锂[0009]请参阅图1，本发明实施例提供的锂离子动力电池外部热阻与内外温度联合估计;令得：;;a;;b步骤S26，当达到所设定最大迭代次数或者达到所设定的误差允许范围时算法终;其中，T/(k)为k时刻测量的电池表面温度，为k时刻自适应的基于遗传算法bi;;其中，I(k+1)为k+1时刻的Tie，为k令得：;z-[4];;+1时刻的电池表面温度的真实值减去环境温度的值，C为高增益观测器的观测矩阵，;;;;其中，p(k+1)为k+1时刻的自适应强跟踪扩展卡尔曼滤波器的状态变量，,为k时刻的自适应强跟踪扩展卡尔曼滤波器的状态态转移矩阵，v为控制矩阵，Q.(k)为k时刻电池的产热量，w(k)为k时刻的过程噪声，将状态方程和观测方程引入自适应强跟踪扩展卡尔曼滤波器中进行预测和更新，;;其中，V(k+I)为k+1时刻的信息协方差矩阵，V(k)为k时刻的信息协方差矩阵，dk,(k+I)为k+1时刻强跟踪滤波的新息，T表示转置操作，j(k+1)为k+1时刻的状态估计p=0.95；;;;扩展卡尔曼滤波器时放大了协方差矩阵，本实施例引入Sage_Husa自适应滤波对传感器噪;Y=0.96；;;其中，K(k+1)为k+1时刻的卡尔曼增益，i,(k)为k时刻的测;;更新测量噪声期望k+1时刻的估计值i,(k+1)、过程噪声期望k+1时刻的估计值;;;。改进的天鹰优化算法对自适应强跟踪扩展卡尔曼滤波器的过程噪声协方差和观测噪声协;;;;其中，xi(h+1)为改进的天鹰优化算法拓展探索阶段第h+1次迭代的解，iter和;;将自适应强跟踪扩展卡尔曼滤波器的过程噪声协方差Q,和测量噪声协方差R,作;改进的天鹰优化算法的适应度函数fou表达式为：最后通过优化后的滤波器对锂离子动力电池内[0024]图2为本发明所提出的方法对锂离子动力电池表面温度的估计值与传统算法对锂传感器连续受到干扰而产生较大噪声时新息序列增大,经过强