📘 SOH · 卡尔曼滤波
30章 完全目录
⚡ 从入门到实战 · 友好色系
01
课程导论：SOH为什么重要？卡尔曼滤波在BMS中的角色。
健康状态 · 电池管理核心
02
电池基础回顾：锂电池工作原理、关键参数（电压、电流、温度、内阻）。
电压 · 电流 · 温度 · 内阻
03
SOH定义与量化：容量衰减与内阻增长，SOH的两种主流定义方式。
容量衰减 · 内阻增长
04
卡尔曼滤波入门：从贝叶斯滤波到卡尔曼滤波，核心思想“预测+更新”。
贝叶斯 · 预测+更新
05
线性卡尔曼滤波（KF）：状态空间模型、五个核心公式推导与解读。
状态空间 · 五公式
06
KF的Python实现：一维电压滤波案例，代码逐行讲解。
Python · 电压滤波
07
扩展卡尔曼滤波（EKF）：非线性系统怎么办？泰勒展开线性化。
非线性 · 泰勒展开
08
EKF的Python实现：电池SOC与SOH联合估计的简单案例。
SOC+SOH · 联合估计
09
无迹卡尔曼滤波（UKF）：无迹变换，比EKF更准？什么时候用？
无迹变换 · 精度对比
10
UKF的Python实现：Sigma点生成与权重计算，代码实战。
Sigma点 · 权重计算
11
容积卡尔曼滤波（CKF）：球面径向容积规则，高维系统的选择。
球面径向 · 高维系统
12
CKF的Python实现：与UKF对比，容积点计算。
CKF vs UKF · 容积点
13
自适应卡尔曼滤波（AKF）：噪声协方差未知怎么办？ Sage-Husa算法。
噪声自适应 · Sage-Husa
14
AKF的Python实现：在线估计过程噪声与测量噪声。
在线估计 · 噪声协方差
15
双卡尔曼滤波（DEKF）：状态与参数同时估计，SOH在线辨识的核心。
状态参数 · 双卡尔曼
16
DEKF的Python实现：容量与内阻的联合估计。
容量+内阻 · 联合估计
17
电池模型（一）：等效电路模型（ECM）——Rint、Thevenin、PNGV模型。
ECM · Rint · Thevenin · PNGV
18
电池模型（二）：电化学模型（P2D）简化与降阶，适合卡尔曼滤波吗？
P2D模型 · 降阶
19
参数辨识：最小二乘法与卡尔曼滤波辨识OCV-SOC曲线、内阻、电容。
OCV-SOC · 参数辨识
20
SOC估计基础：安时积分法及其误差累积，卡尔曼滤波如何修正？
安时积分 · 误差修正
21
SOC-EKF联合估计：状态向量包含SOC与极化电压，代码实现。
SOC+极化 · EKF实现
22
SOH估计（容量法）：基于SOC变化与累积容量的在线容量估计。
容量法 · 在线估计
23
SOH估计（内阻法）：基于电压响应的欧姆内阻与极化内阻估计。
内阻法 · 欧姆+极化
24
SOH估计（融合法）：容量+内阻+温度，多指标加权SOH。
融合法 · 多指标加权
25
卡尔曼滤波调参实战：Q、R矩阵的物理意义与调试技巧。
Q · R矩阵 · 调参
26
滤波器发散问题：数值不稳定、模型失配，如何检测与处理？
发散检测 · 数值稳定
27
硬件部署考量：嵌入式实现（STM32/ARM）的定点化与计算优化。
嵌入式 · 定点优化
28
实车数据案例分析：用真实驾驶循环数据跑一遍SOH估计算法。
实车数据 · 驾驶循环
29
前沿趋势：基于机器学习的SOH预测与卡尔曼滤波的结合。
机器学习 · SOH预测
30
课程总结与项目实战：搭建一个完整的SOH在线估计系统。
项目实战 · 在线系统