电池状态联合估计实战

📚 共计 30 章节

电池建模基础

电化学模型与等效电路模型概述，为什么需要联合估计。

等效电路模型详解

一阶RC、二阶RC模型，参数辨识方法（最小二乘法）。

卡尔曼滤波入门

从贝叶斯滤波到卡尔曼滤波，线性系统的最优估计。

滤波贝叶斯

扩展卡尔曼滤波（EKF）

非线性系统的线性化处理，雅可比矩阵计算。

无迹卡尔曼滤波（UKF）

无迹变换，Sigma点选取，相比EKF的优势。

粒子滤波（PF）

序贯重要性采样，重采样技术，非线性非高斯系统的处理。

安时积分法

原理、误差累积问题，如何与卡尔曼滤波结合。

SOC估计实战（EKF）

基于一阶RC模型的SOC估计，Python代码实现。

SOC估计实战（UKF）

基于二阶RC模型的SOC估计，对比EKF效果。

SOH估计基础

容量衰减与内阻增长，SOH的定义与计算方法。

SOH估计实战（双扩展卡尔曼滤波）

同时估计SOC与容量/内阻。

联合估计框架

状态与参数的协同估计，为什么不能分开做。

基于EKF的SOC与SOH联合估计

状态向量扩维，代码实现。

基于UKF的SOC与SOH联合估计

处理强非线性，代码实现。

UKF强非线性

基于粒子滤波的SOC与SOH联合估计

应对非高斯噪声，代码实现。

数据预处理

电池测试数据清洗、异常值处理、滤波平滑。

预处理清洗

开路电压（OCV）曲线标定

OCV-SOC关系拟合，多项式/样条插值。

电池老化实验设计

循环老化与日历老化，数据采集方案。

参数在线辨识

递推最小二乘法（RLS）在电池参数跟踪中的应用。

多时间尺度滤波

宏观尺度估计SOH，微观尺度估计SOC。

噪声协方差矩阵调优

过程噪声与测量噪声的工程整定方法。

协方差整定

滤波器发散问题

数值稳定性、Cholesky分解、限幅措施。

电池模型误差补偿

滞后效应、温度影响、容量恢复效应。

硬件在环（HIL）仿真

将算法部署到嵌入式平台前的验证。

实车数据回放

用真实驾驶循环数据验证联合估计算法。

算法性能评估指标

RMSE、最大误差、收敛时间、计算耗时。

多算法融合策略

EKF+PF混合，应对不同工况。

电池均衡对估计的影响

均衡电流如何修正SOC估计。

功能安全与冗余设计

估计器故障诊断与容错机制。

项目实战：完整流程

从数据采集到算法部署的完整流程，综合案例。