01
SOC估算概述
为什么需要SOC？SOC的定义与难点、卡尔曼滤波的引入动机。
基础动机
02
电池建模基础
等效电路模型（Rint、Thevenin、PNGV）、模型参数辨识方法。
RintTheveninPNGV
03
状态空间方程
连续系统与离散系统、状态方程与观测方程的建立。
离散化状态方程
04
线性卡尔曼滤波原理
五大核心公式推导、预测与更新步骤详解。
KF预测更新
05
扩展卡尔曼滤波（EKF）
非线性系统线性化、雅可比矩阵计算、EKF在SOC中的应用。
EKF雅可比
06
无迹卡尔曼滤波（UKF）
UT变换、Sigma点选取、UKF与EKF的对比。
UKFUT变换
07
自适应卡尔曼滤波
噪声协方差匹配、Sage-Husa自适应算法。
自适应Sage-Husa
08
双卡尔曼滤波（DEKF）
同时估计SOC与内阻、状态与参数联合估计。
DEKF联合估计
09
开路电压法（OCV-SOC）
OCV-SOC标定实验、多项式拟合与查表法。
OCV查表
10
安时积分法
库仑计数原理、误差累积与校正策略。
库仑计数误差校正
11
卡尔曼滤波初始化
初始状态x0、协方差P0、噪声矩阵Q/R的设置技巧。
调参初始化
12
Python环境搭建
NumPy、SciPy、Matplotlib安装与配置、Jupyter Notebook使用。
Python环境
13
一维卡尔曼滤波仿真
Python实现一维KF、温度估计案例。
1D-KF温度
14
电池模型参数辨识
Python实现最小二乘法、脉冲放电数据拟合。
参数辨识最小二乘
15
Thevenin模型离散化
从连续传递函数到离散状态空间、Python代码实现。
离散化传递函数
16
EKF-SOC估算实战（一）
Python搭建EKF框架、OCV查表函数编写。
EKFOCV查表
17
EKF-SOC估算实战（二）
加载实测电流电压数据、运行EKF算法。
实测数据EKF
18
EKF-SOC估算实战（三）
结果可视化、误差分析、与安时积分对比。
可视化误差分析
19
UKF-SOC估算实战
Python实现UKF、Sigma点传播、结果对比。
UKFSigma点
20
自适应EKF实战
Sage-Husa算法Python实现、噪声在线调整。
自适应Sage-Husa
21
DEKF实战
双卡尔曼滤波Python实现、内阻与SOC同时估计。
DEKF内阻估计
22
滤波器参数调优
Q/R矩阵调参经验、收敛速度与稳定性权衡。
调参稳定性
23
硬件在环仿真（HIL）
将Python算法移植到嵌入式平台、数据接口设计。
HIL嵌入式
24
实车数据验证
使用真实BMS采集数据、算法鲁棒性测试。
实车BMS
25
SOC估算精度评价
RMSE、MAE、最大误差、95%置信区间。
RMSEMAE置信区间
26
常见问题与调试
发散问题、数值稳定性、计算效率优化。
调试数值稳定性
27
多节电池SOC估算
串联电池组SOC估算、均衡策略影响。
串联均衡
28
温度对SOC的影响
温度补偿模型、低温性能优化。
温度补偿低温
29
老化对SOC的影响
容量衰减跟踪、SOH与SOC联合估计。
老化SOH
30
课程总结与展望
当前技术局限、未来趋势（AI+卡尔曼、云端BMS）。
AI云端BMS