基于遗忘因子递推最小二乘法辨识一阶RC等效电路模型 您所在的位置:网站首页 等效电路模型的优缺点 基于遗忘因子递推最小二乘法辨识一阶RC等效电路模型

基于遗忘因子递推最小二乘法辨识一阶RC等效电路模型

2024-03-26 18:29| 来源: 网络整理| 查看: 265

在这里插入图片描述

%% 基于一阶RC等效电路模型实现不同倍率下电模型参数辨识 clear clc %% 载入实验数据 % 导入hppc实验数据 load('hppc_pulse_25deg') temp = hppc_pulse_25deg; % 导入电池ocv_soc load('ocv_soc') % 电池在不同温度点下的容量分别为 capacity = [7.8983 8.3174 8.6708 8.611]; % 当前实验温度下电池容量 Cn = capacity(3); % 当前温度下电池ocv ocv = ocv_soc(3,:); SOC = [1 0.9 0.8 0.7 0.6 0.5 0.4 0.3 0.2 0.1 0]; % 选择辨识倍率片段 pulse = temp.pulse_1C; %% 迭代辨识电模型参数 para = zeros(3,9); %电模型参数矩阵 for k = 1:9 % 提取不同SOC下的脉冲片段 pulse_part = pulse(1+621*(k-1):621+621*(k-1),:); I = pulse_part(:,2); %电流,规定电流方向为放电为负,充电为正 V = pulse_part(:,3); %电池端电压 soc = pulse_part(:,4); %电池SOC L_data = length(I); %数据长度 %平滑插值获取OCV Uocv = spline(SOC,ocv,soc); Ud = V-Uocv; %将端电压和开路电压的差值视为一个新变量 % RLS参数初始化 u = 0.99; %遗忘因子 Phi = zeros(1,3); %数据向量 thita = zeros(3,1); %参数向量 P = 1e6*eye(3); %协方差矩阵 K = zeros(3,1); %增益矩阵 % RLS递推过程 for k1 = 2:L_data Phi = [-1*Ud(k1-1) I(k1,:) I(k1-1,:)]; K = P*Phi'/(Phi*P*Phi'+u); thita = thita+K*(Ud(k1)-Phi*thita); P = (eye(3)-K*Phi)*P/u; end c1 = thita(1); c2 = thita(2); c3 = thita(3); % 手动推导电模型参数计算公式 R0 = (c2-c3)/(1-c1); R1 = (c2+c3)/(1+c1)-R0; C1 = ((1-c1)/(2*c1+2))/R1; para(:,k) = [R0 R1 C1]'; end

参数辨识结果

基于遗忘因子递推最小二乘法辨识的一阶RC等效电路模型参数如下表所示: 在这里插入图片描述 图2 25度一阶RC等效电路模型辨识结果 在这里插入图片描述 图3 25度不同倍率下的欧姆内阻R0 在这里插入图片描述 图4 25度不同倍率下的极化内阻R1 在这里插入图片描述 图5 25度不同倍率下的极化电容C1 更多内容请关注【Future Car】。 在这里插入图片描述



【本文地址】

公司简介

联系我们

今日新闻

    推荐新闻

    专题文章
      CopyRight 2018-2019 实验室设备网 版权所有