课程导论与预备知识
OCV-SOC曲线、RC等效电路模型、线性KF五公式、EKF核心思想与雅可比矩阵。
环境搭建与数据准备
Python环境 (NumPy, SciPy, Matplotlib) · 电池数据集导入 · 预处理与可视化。
电池建模（一）
一阶RC等效电路模型 · 离散化状态空间方程 · 参数辨识概述（最小二乘法）。
电池建模（二）
Python离线参数辨识 (HPPC) · 获取R0,R1,C1 · 模型精度验证。
OCV-SOC曲线拟合
提取OCV-SOC关系 · 多项式拟合与分段线性插值 · OCV查表函数实现。
EKF算法推导（一）
状态/观测向量定义 · 雅可比矩阵计算 · 噪声协方差Q和R设定。
EKF算法推导（二）
EKF五步迭代 (预测-更新) · 编写EKF核心类 · 代码逐行解析。
EKF算法实现（一）
编写EKF_SOC类 · 初始化状态与协方差 · 实现预测步骤（时间更新）。
EKF算法实现（二）
实现更新步骤（测量更新） · 卡尔曼增益 · 更新状态与协方差。
EKF算法实现（三）
整合预测与更新 · 处理电流电压输入 · 输出SOC估计值。
仿真验证（一）
合成数据测试EKF · 初始SOC误差 · 收敛速度与稳定性观察。
仿真验证（二）
真实电池数据跑EKF · 对比真实SOC · RMSE与MAE计算。
算法调优（一）
调节Q矩阵 (过程噪声) 对收敛速度与平滑度的影响 · 实战经验。
算法调优（二）
调节R矩阵 (测量噪声) 对精度的影响 · 异常测量值处理。
算法调优（三）
初始协方差P0设定技巧 · 自适应调节策略简介。
鲁棒性分析
传感器噪声 · 电流积分漂移 · 温度变化对EKF的影响。
代码优化与工程化
向量化加速 · 避免矩阵求逆数值问题 · 模块化设计。
多模型融合
二阶RC模型+EKF · 一阶与二阶精度差异比较。
自适应EKF (AEKF)
实时估计噪声协方差 · Sage-Husa自适应滤波器原理与实现。
双扩展卡尔曼滤波 (DEKF)
同时估计SOC与电池容量 · 状态与参数联合估计。
无迹卡尔曼滤波 (UKF) 入门
UT变换原理 · UKF与EKF对比 · 何时选择UKF。
粒子滤波 (PF) 入门
重要性采样与重采样 · PF在SOC估计中的应用 · 复杂度分析。
硬件在环 (HIL) 仿真
EKF部署到STM32 · 数据采集与实时通信。
嵌入式C代码移植
Python EKF核心逻辑翻译为C · 定点数/浮点数优化。
低功耗优化
降低EKF计算频率 · 事件触发更新 · 休眠唤醒机制。
SOC校准与修正
满充校准 · 静置校准 · 开路电压修正 · 消除累积误差。
SOH与SOC联合估计
EKF估计内阻增长 · 容量衰减与SOC耦合关系。
工程实战案例（一）
两轮电动车BMS · EKF参数整定 · 路测数据分析。
工程实战案例（二）
储能系统BMS · 多节串联均衡与SOC一致性 · CAN总线解析。
课程总结与进阶方向
EKF局限性 · 深度学习+EKF (数据驱动+模型驱动) · 推荐资源。