本發(fā)明屬于新型儲(chǔ)能技術(shù)和高端智能制造，更具體地，涉及一種礦用電傳動(dòng)自卸車的制動(dòng)能量回收用鋰電池的關(guān)鍵參數(shù)(key?characteristic?parameters，簡(jiǎn)稱kbp)估計(jì)方法。

背景技術(shù)：

1、礦用電傳動(dòng)自卸車是全球資源開(kāi)采和大規(guī)?；ǖ年P(guān)鍵裝備，在我國(guó)大型露天煤礦、長(zhǎng)江三峽大壩等特大型工程中承擔(dān)著繁重的運(yùn)輸任務(wù)。我國(guó)礦用電傳動(dòng)自卸車多工作在上下破路段，制動(dòng)能耗極大，磨損嚴(yán)重，運(yùn)行工況惡劣。為避免制動(dòng)能耗以熱量的形式消耗，提出采用超級(jí)電容和鋰電池作為混合儲(chǔ)能系統(tǒng)，對(duì)礦車的制動(dòng)能量進(jìn)行回收。而鋰電池因其高能量密度、低自放電率和長(zhǎng)壽命等顯著優(yōu)勢(shì)，常被選做該儲(chǔ)能系統(tǒng)的鋰電池。鋰電池的關(guān)鍵特征參數(shù)包含荷電狀態(tài)(state?of?charge，簡(jiǎn)稱soc)和健康狀態(tài)(state?ofhealth，簡(jiǎn)稱soh)等，這些參數(shù)的精準(zhǔn)估計(jì)對(duì)于鋰電池安全穩(wěn)定運(yùn)行十分重要，便于混合儲(chǔ)能系統(tǒng)能量比例的準(zhǔn)確分配，進(jìn)而對(duì)整個(gè)制動(dòng)能量回收系統(tǒng)的安全運(yùn)行都具有重要意義。

2、目前針對(duì)制動(dòng)能量回收用鋰電池關(guān)鍵特征參數(shù)的估計(jì)方法主要分為三大類：一類是基于實(shí)驗(yàn)的估計(jì)方法，這類方法包括安時(shí)積分法、開(kāi)路電壓法等，安時(shí)積分法是依據(jù)鋰電池工作時(shí)的電流變化與時(shí)間的積分來(lái)表示電量的變化，以此來(lái)估算出鋰電池當(dāng)前的soc進(jìn)而使用算法估算出soh，開(kāi)路電壓法是基于電池在靜態(tài)狀態(tài)下的開(kāi)路電壓(open?circuitvoltage，簡(jiǎn)稱ocv)與soc之間的相關(guān)性來(lái)估算soc進(jìn)而使用算法估算出soh；第二類是基于模型的估計(jì)方法，其通過(guò)構(gòu)建等效電路模型、電化學(xué)模型等相關(guān)鋰電池模型，對(duì)模型進(jìn)行相關(guān)參數(shù)辨識(shí)，實(shí)現(xiàn)鋰電池關(guān)鍵特征參數(shù)的估計(jì)；第三類是基于數(shù)據(jù)驅(qū)動(dòng)的估計(jì)方法，依靠電池系統(tǒng)的輸入與輸出間的映射關(guān)系，數(shù)據(jù)訓(xùn)練大量數(shù)據(jù)集來(lái)估算電池的關(guān)鍵特征參數(shù)。

3、然而，上述幾種鋰電池關(guān)鍵特征參數(shù)的估計(jì)方法均存在一些不可忽略的缺陷：第一，安時(shí)積分法雖然計(jì)算簡(jiǎn)單，但是存在很大的積累誤差，且依賴soc初始值進(jìn)行估計(jì)，但soc初始值較難準(zhǔn)確獲取，這導(dǎo)致估計(jì)準(zhǔn)確率偏低；第二，開(kāi)路電壓法實(shí)驗(yàn)操作簡(jiǎn)單，但是在測(cè)量開(kāi)路電壓時(shí)必須對(duì)電池進(jìn)行長(zhǎng)達(dá)十幾小時(shí)的靜止，這種方法無(wú)法滿足電池現(xiàn)實(shí)工況環(huán)境，不能實(shí)時(shí)估計(jì)鋰電池的關(guān)鍵特征參數(shù)；第三，針對(duì)基于模型的估計(jì)方法而言，模型分為內(nèi)特性模型與外特性模型，內(nèi)特性模型(其主要為電化學(xué)模型)雖然可以較好的擬合鋰電池的內(nèi)部化學(xué)反應(yīng)，但是計(jì)算十分復(fù)雜，外特性模型(其主要為內(nèi)阻模型、thevenin模型、pngv模型等)選用簡(jiǎn)單模型則估計(jì)精度不高，選用復(fù)雜模型則搭建困難，參數(shù)辨識(shí)難度大；第四，基于數(shù)據(jù)驅(qū)動(dòng)的估計(jì)方法需要提前獲取大量的數(shù)據(jù)進(jìn)行訓(xùn)練，過(guò)度依賴數(shù)據(jù)集而不考慮電池模型會(huì)導(dǎo)致過(guò)擬合；第五，現(xiàn)有這些鋰電池關(guān)鍵特征參數(shù)的估計(jì)方法主要針對(duì)普通工作環(huán)境的鋰電池，但并不適用于礦用電傳動(dòng)自卸車制動(dòng)能量回收鋰電池的關(guān)鍵參數(shù)估計(jì)(這是由于礦用電傳動(dòng)自卸車多工作在上下坡路段，充放電頻繁、且體積龐大，在進(jìn)行制動(dòng)能量回收時(shí)，鋰電池通常要面臨較大電流的沖擊、制動(dòng)能耗極大，工作環(huán)境嚴(yán)苛，面臨-20℃至40℃極端溫差及粉塵環(huán)境)。

技術(shù)實(shí)現(xiàn)思路

1、針對(duì)現(xiàn)有技術(shù)的以上缺陷或改進(jìn)需求，本發(fā)明提供了一種礦用電傳動(dòng)自卸車的制動(dòng)能量回收用鋰電池的關(guān)鍵參數(shù)估計(jì)方法，其目的在于，解決現(xiàn)有安時(shí)積分法存在很大的積累誤差，且依賴soc初始值進(jìn)行估計(jì)，但soc初始值較難準(zhǔn)確獲取，這導(dǎo)致估計(jì)準(zhǔn)確率偏低的技術(shù)問(wèn)題，以及現(xiàn)有開(kāi)路電壓法在測(cè)量開(kāi)路電壓時(shí)必須對(duì)電池進(jìn)行長(zhǎng)達(dá)十幾小時(shí)的靜止，無(wú)法滿足電池現(xiàn)實(shí)工況環(huán)境，不能實(shí)時(shí)估計(jì)制動(dòng)能量回收用鋰電池的關(guān)鍵特征參數(shù)的技術(shù)問(wèn)題，以及現(xiàn)有基于模型的估計(jì)方法在采用內(nèi)特性模型時(shí)計(jì)算十分復(fù)雜，在采用外特性模型時(shí)估計(jì)精度不高，參數(shù)辨識(shí)難度大的技術(shù)問(wèn)題，以及現(xiàn)有基于數(shù)據(jù)驅(qū)動(dòng)的估計(jì)方法需要提前獲取大量的數(shù)據(jù)進(jìn)行訓(xùn)練，過(guò)度依賴數(shù)據(jù)集而不考慮電池模型會(huì)導(dǎo)致過(guò)擬合的技術(shù)問(wèn)題，以及現(xiàn)有制動(dòng)能量回收用鋰電池關(guān)鍵特征參數(shù)的估計(jì)方法主要針對(duì)普通工作環(huán)境的制動(dòng)能量回收用鋰電池，但并不適用于礦用電傳動(dòng)自卸車制動(dòng)能量回收制動(dòng)能量回收用鋰電池的關(guān)鍵參數(shù)估計(jì)的技術(shù)問(wèn)題。

2、為實(shí)現(xiàn)上述目的，按照本發(fā)明的一個(gè)方面，提供了一種礦用電傳動(dòng)自卸車的制動(dòng)能量回收用鋰電池的關(guān)鍵特征參數(shù)估計(jì)方法，包括以下步驟：

3、(1)利用matlab軟件中simulink工具對(duì)制動(dòng)能量回收用鋰電池進(jìn)行仿真建模，以得到分?jǐn)?shù)階等效電路模型；

4、(2)分別使用基爾霍夫電流定律和基爾霍夫電壓定律對(duì)步驟(1)得到的分?jǐn)?shù)階等效電路模型進(jìn)行處理，以分別得到分?jǐn)?shù)階等效電路模型的電氣原理方程和輸出方程。

5、(3)采用格林沃爾德-萊特尼克夫公式對(duì)步驟(2)建立的分?jǐn)?shù)階等效電路模型的電氣原理方程和輸出方程進(jìn)行處理，以得到分?jǐn)?shù)階定義的狀態(tài)空間方程和觀測(cè)方程。

6、(4)對(duì)步驟(3)得到的分?jǐn)?shù)階定義的狀態(tài)方程和觀測(cè)方程分別進(jìn)行離散化處理，以分別得到離散化處理后的狀態(tài)方程和觀測(cè)方程。

7、(5)使用在線參數(shù)辨識(shí)方法對(duì)步驟(4)得到的離散化處理后的狀態(tài)方程和觀測(cè)方程分別進(jìn)行處理，以得到分?jǐn)?shù)階等效電路中的參數(shù)數(shù)據(jù)；

8、(6)將步驟(5)在線參數(shù)辨識(shí)得到的參數(shù)數(shù)據(jù)輸入分?jǐn)?shù)階自適應(yīng)無(wú)跡卡爾曼算法faukf中進(jìn)行迭代計(jì)算，以得到t時(shí)刻的soct估計(jì)值以及t時(shí)刻電池分?jǐn)?shù)階等效電路模型的歐姆內(nèi)阻參數(shù)r0,t，算法流程圖如圖4所示：

9、(7)判斷步驟(6)中迭代次數(shù)是否大于60，若是則轉(zhuǎn)入步驟(8)，否則返回步驟(6)。

10、(8)獲取60次迭代所得到的制動(dòng)能量回收用鋰電池的多個(gè)soc估計(jì)值和第60次迭代得到的分?jǐn)?shù)階等效電路模型的歐姆內(nèi)阻參數(shù)r0,t。

11、(9)根據(jù)步驟(8)得到的t時(shí)刻電池分?jǐn)?shù)階等效電路模型的歐姆內(nèi)阻參數(shù)r0,t、并通過(guò)faukf算法獲取制動(dòng)能量回收用鋰電池的健康狀態(tài)soh估計(jì)值。

12、(10)將步驟(8)得到的制動(dòng)能量回收用鋰電池的多個(gè)soc估計(jì)值以及步驟(9)得到的soh估計(jì)值顯示給礦用電傳動(dòng)自卸車的用戶。

13、優(yōu)選地，分?jǐn)?shù)階等效電路模型的電氣原理方程為：

14、

15、其中，u1(t)、u2(t)分別表示當(dāng)前時(shí)刻分?jǐn)?shù)階等效電路模型中兩個(gè)rc回路t時(shí)刻的電壓降；r1表示分?jǐn)?shù)階等效電路模型中的電化學(xué)極化電阻；cpe1表示分?jǐn)?shù)階等效電路模型中的電化學(xué)極化電容；r2為分?jǐn)?shù)階等效電路模型中的濃差極化電阻；cpe2為分?jǐn)?shù)階等效電路模型中的濃差極化電容；it為分?jǐn)?shù)階等效電路模型的工作電壓；n1、n2為分?jǐn)?shù)階等效電路模型中電化學(xué)極化電容以及濃差極化電容的分?jǐn)?shù)階階次，取值范圍為0-1；為制動(dòng)能量回收用鋰電池下一時(shí)刻的電荷狀態(tài)soc表達(dá)式，soct為當(dāng)前時(shí)刻等效電路模型的soc、soct+1為下一時(shí)刻的等效電路模型的soc；ts為等效電路模型的系統(tǒng)采樣周期；qn為等效電路模型的電池容量。

16、分?jǐn)?shù)階的等效電路模型的輸出方程為：

17、u0(t)＝uoc(soc)-r0i(t)-u1(t)-u2(t)

18、其中u0(t)表示當(dāng)前時(shí)刻分?jǐn)?shù)階等效電路模型的端電壓、uoc(soc)表示分?jǐn)?shù)階等效電路模型的開(kāi)路電壓，r0表示分?jǐn)?shù)階等效電路模型的歐姆內(nèi)阻，u1(t)、u2(t)分別為當(dāng)前時(shí)刻分?jǐn)?shù)階等效電路模型的兩個(gè)rc回路電壓降。

19、優(yōu)選地，具體而言，分?jǐn)?shù)階導(dǎo)數(shù)定義公式為：

20、

21、其中dn表示狀態(tài)空間方程和觀測(cè)方程的分?jǐn)?shù)階微分算子；dnf(t)表示f(t)的微積分；n為分?jǐn)?shù)階的等效電路模型的階數(shù)，取值范圍為[0,1]；n！為分?jǐn)?shù)階的等效電路模型的階數(shù)的階乘；ts為分?jǐn)?shù)階等效電路模型的系統(tǒng)采樣周期，取值范圍為[0,1]，優(yōu)選為1s；l為分?jǐn)?shù)階的等效電路模型的記憶長(zhǎng)度，且有l(wèi)＝60；i為采樣次數(shù)；為牛頓二項(xiàng)式系數(shù)。

22、步驟(3)中分?jǐn)?shù)階定義的狀態(tài)空間方程和觀測(cè)方程分別如下公式所示：

23、

24、其中，[u1,k?u2,k?sock]t為狀態(tài)空間方程的輸入量，其表示當(dāng)前時(shí)刻分?jǐn)?shù)階等效電路模型的回路1的電壓降、回路2的電壓降以及荷電狀態(tài)；[u1,k+1u2,k+1sock+1]t表示下一時(shí)刻分?jǐn)?shù)階等效電路模型的回路1的電壓降、回路2的電壓降以及荷電狀態(tài)；uoc(sock)為開(kāi)路電壓關(guān)于荷電狀態(tài)的函數(shù)；ik為當(dāng)前時(shí)刻分?jǐn)?shù)階等效電路模型的工作電流；ωk為k時(shí)刻分?jǐn)?shù)階等效電路模型的系統(tǒng)噪聲，其是由分?jǐn)?shù)階等效電路模型不確定性造成；υk為k時(shí)刻分?jǐn)?shù)階等效電路模型的測(cè)量噪聲，其是由分?jǐn)?shù)階等效電路模型的測(cè)量誤差造成。

25、優(yōu)選地，步驟(4)中離散化處理后的狀態(tài)方程和觀測(cè)方程如以下公式所示：

26、

27、其中，xk為k時(shí)刻分?jǐn)?shù)階等效電路模型的系統(tǒng)輸入量，且有xk-1為k-1時(shí)刻分?jǐn)?shù)階等效電路模型的系統(tǒng)輸入量；ik-1為k-1時(shí)刻分?jǐn)?shù)階等效電路模型的工作電流；ωk-1為k-1時(shí)刻的分?jǐn)?shù)階等效電路模型的系統(tǒng)噪聲；yk為k時(shí)刻分?jǐn)?shù)階等效電路模型的系統(tǒng)輸出量；c＝[-1?-1?0]；υk為k時(shí)刻的分?jǐn)?shù)階等效電路模型的測(cè)量噪聲。

28、優(yōu)選地，步驟(5)中的在線參數(shù)辨識(shí)方法采用基于最小遺忘因子的遞推最小二乘法聯(lián)合遺傳算法，其中分?jǐn)?shù)階等效電路的待辨識(shí)數(shù)據(jù)包括分?jǐn)?shù)階等效電路模型的歐姆內(nèi)阻r0、電化學(xué)極化電阻r1、電化學(xué)極化電容cpe1、濃差極化電阻r2、濃差極化電容cpe2、以及分?jǐn)?shù)階階次n1、n2。

29、優(yōu)選地，步驟(5)具體包括以下子步驟：

30、(5-1)對(duì)步驟(4)得到的離散的狀態(tài)方程和觀測(cè)方程進(jìn)行拉氏變換，以得到分?jǐn)?shù)階模型的頻域表達(dá)式，如公式(7)所示。

31、

32、其中，y(k)為分?jǐn)?shù)階等效電路模型在時(shí)域上的傳遞函數(shù)；y(s)為分?jǐn)?shù)階等效電路模型在頻域上的傳遞函數(shù)；s為傳遞函數(shù)的自變量，相當(dāng)于在頻域上的時(shí)間狀態(tài)；uoc(s)為分?jǐn)?shù)階等效電路模型在頻域上的開(kāi)路電壓；uo(s)為分?jǐn)?shù)階等效電路模型在頻域上的端電壓；i(s)為分?jǐn)?shù)階等效電路模型在頻域上的工作電流。

33、(5-2)使用雙線性變換法對(duì)步驟(5-1)得到的分?jǐn)?shù)階模型的頻域表達(dá)式進(jìn)行處理，以得到分?jǐn)?shù)階模型在z域上的變換形式g(z)：

34、

35、其中，a1、a2、a3、a4、a5為分?jǐn)?shù)階等效電路模型的參數(shù)辨識(shí)數(shù)據(jù)，其與分?jǐn)?shù)階等效電路模型的待辨識(shí)數(shù)據(jù)之間的數(shù)學(xué)關(guān)系為利用分?jǐn)?shù)階等效電路模型的參數(shù)辨識(shí)數(shù)據(jù)與分?jǐn)?shù)階等效電路模型的待辨識(shí)數(shù)據(jù)之間的數(shù)學(xué)關(guān)系，即可求得分?jǐn)?shù)階等效電路模型的待參數(shù)辨識(shí)數(shù)據(jù)。

36、(5-3)對(duì)步驟(5-2)得到的分?jǐn)?shù)階模型在z域上的變換形式進(jìn)行化簡(jiǎn)處理，以得到分?jǐn)?shù)階等效電路模型的遞推方程式y(tǒng)(k)。

37、y(k)＝a1y(k-1)+a2y(k-2)+a3i(k)+a4i(k-1)+a5i(k-2)

38、(5-4)對(duì)步驟(5-3)得到的k時(shí)刻的參數(shù)辨識(shí)列向量θ(k)以及協(xié)方差p(k)進(jìn)行初始化，以得到初始化后k＝0時(shí)刻的參數(shù)辨識(shí)列向量θ(0)和協(xié)方差p(0)。

39、(5-5)判斷k是否等于60，如果是則進(jìn)入步驟(5-10)，否則進(jìn)入步驟(5-6)。

40、(5-6)利用步驟(5-5)得到的初始化的參數(shù)辨識(shí)列向量θ(0)和協(xié)方差p(0)獲取增益矩陣k(k)：

41、

42、其中k(k)為k時(shí)刻的估計(jì)增益；p(k-1)為k-1時(shí)刻的協(xié)方差；λ為遺忘因子，取值范圍為[0.90,1.00]，考慮到本發(fā)明的應(yīng)用場(chǎng)景，優(yōu)選為0.955。

43、(5-7)根據(jù)步驟(5-6)得到的增益矩陣對(duì)k時(shí)刻遞推方程式中的參數(shù)辨識(shí)列向量θ(k)進(jìn)行更新，以得到更新后的k時(shí)刻遞推方程式中的參數(shù)辨識(shí)列向量θ(k)。

44、

45、其中，e(k)為k時(shí)刻采樣誤差。

46、(5-8)根據(jù)步驟(5-7)得到的更新后的k時(shí)刻遞推方程式中的參數(shù)辨識(shí)列向量θ(k)獲取分?jǐn)?shù)階等效電路模型的待辨識(shí)參數(shù)數(shù)據(jù)。

47、(5-9)根據(jù)步驟(5-8)得到的分?jǐn)?shù)階等效電路模型的待辨識(shí)參數(shù)數(shù)據(jù)對(duì)協(xié)方差p(k)進(jìn)行更新，以得到更新后的協(xié)方差p(k)，然后返回步驟(5-5)：

48、

49、其中，p(k)為更新后的k時(shí)刻的協(xié)方差；i為5階的數(shù)量矩陣，對(duì)角線上元素取值范圍為[10e5,10e6]，優(yōu)選為10e6。

50、(5-10)對(duì)步驟(5-8)得到的分?jǐn)?shù)階等效電路模型的待辨識(shí)參數(shù)數(shù)據(jù)以及分?jǐn)?shù)階的階數(shù)n1、n2進(jìn)行二進(jìn)制編碼，以得到以編碼形式表達(dá)的基因種群，其中n1、n2在第k時(shí)刻均為1；

51、(5-11)根據(jù)步驟(5-10)得到的以編碼形式表達(dá)的基因種群獲取種群適應(yīng)度：

52、

53、其中，j(i)為種群大小為i時(shí)的種群適應(yīng)度，且有i∈[1，n]；n為種群大小，優(yōu)選為n＝100；；a(i)為分?jǐn)?shù)階等效電路模型中預(yù)測(cè)輸出值uy(y)與實(shí)際測(cè)量輸出值uc(y)之差的平方和，amax為遺傳算法的優(yōu)化目標(biāo)，在本發(fā)明中amax＝0.005；uy(j)為第j次迭代時(shí)的預(yù)測(cè)輸出值；uc(j)為第j次迭代時(shí)的實(shí)際測(cè)量輸出值，且有j∈[1，m]；m為迭代次數(shù)，優(yōu)選為m＝60；。

54、(5-12)根據(jù)步驟(5-11)得到的種群適應(yīng)度對(duì)種群進(jìn)行雜交和變異處理，以得到處理后的種群：

55、

56、其中，pz(i)為種群大小為i時(shí)種群的雜交概率；kz為種群的雜交因子，其取值范圍為(0.6,0.9)，優(yōu)選為0.7；pb(i)為種群大小為i時(shí)種群的變異概率；kb為變異因子，且取值范圍為[0.01,0.1]，優(yōu)選為0.05；aave為種群中適應(yīng)度的平均值。

57、(5-13)對(duì)步驟(5-12)處理后的種群進(jìn)行解碼，以得到解碼后的種群，即為分?jǐn)?shù)階等效電路模型的待辨識(shí)參數(shù)數(shù)據(jù)以及分?jǐn)?shù)階的階數(shù)n1、n2。

58、(5-14)判斷迭代次數(shù)j是否大于60，若是則進(jìn)入步驟(5-15)，反之則設(shè)置j＝j(luò)+1，并返回步驟(5-11)。

59、(5-15)輸出分?jǐn)?shù)階等效電路中的參數(shù)數(shù)據(jù)，包括分?jǐn)?shù)階等效電路模型的歐姆內(nèi)阻r0、電化學(xué)極化電阻r1、電化學(xué)極化電容cpe1、濃差極化電阻r2、濃差極化電容cpe2、以及分?jǐn)?shù)階的階次n1、n2。

60、優(yōu)選地，步驟(5)包括以下子步驟：

61、(9-1)根據(jù)步驟(8)得到的t時(shí)刻電池分?jǐn)?shù)階等效電路模型的歐姆內(nèi)阻參數(shù)r0,t獲取估計(jì)歐姆內(nèi)阻的離散化狀態(tài)空間方程和觀測(cè)方程：

62、r0,t+1＝r0,t+rt

63、u0,t＝uoc,t(soc)-r0,ti-u1,t-u2,t+tt

64、其中，r0,t+1為t+1時(shí)刻分?jǐn)?shù)階等效電路模型的歐姆內(nèi)阻；r0,t為t時(shí)刻分?jǐn)?shù)階等效電路模型歐姆內(nèi)阻；rt為t時(shí)刻估計(jì)歐姆內(nèi)阻的狀態(tài)空間方程的狀態(tài)噪聲；tt為t時(shí)刻估計(jì)歐姆內(nèi)阻的觀測(cè)方程的觀測(cè)噪聲。

65、(9-2)對(duì)步驟(9-1)得到的估計(jì)歐姆內(nèi)阻的離散化狀態(tài)空間方程和觀測(cè)方程進(jìn)行初始化。

66、具體而言，本步驟是初始化分?jǐn)?shù)階等效電路模型的歐姆內(nèi)阻為步驟(5)參數(shù)辨識(shí)所得到的r0；初始化分?jǐn)?shù)階等效電路模型的初始?xì)W姆內(nèi)阻協(xié)方差為0。

67、(9-3)對(duì)步驟(9-2)初始化后的離散狀態(tài)空間方程和觀測(cè)方程進(jìn)行無(wú)跡變換ut處理，以得到多個(gè)sigma點(diǎn)。

68、(9-4)將步驟(9-3)得到的多個(gè)sigma點(diǎn)應(yīng)用到步驟(1)得到的分?jǐn)?shù)階等效電路模型中，以得到t時(shí)刻分?jǐn)?shù)階等效電路模型的歐姆內(nèi)阻的預(yù)測(cè)值狀態(tài)空間方程的方差預(yù)測(cè)值px、每個(gè)sigma點(diǎn)對(duì)應(yīng)的均值權(quán)重以及離散狀態(tài)空間方程的協(xié)方差權(quán)重

69、(9-5)根據(jù)步驟(9-4)得到的sigma點(diǎn)對(duì)應(yīng)的均值權(quán)重離散狀態(tài)空間方程的協(xié)方差權(quán)重獲取t+1時(shí)刻觀測(cè)方程的觀測(cè)值和觀測(cè)方差預(yù)測(cè)值py。

70、(9-6)根據(jù)步驟(9-4)得到的t時(shí)刻分?jǐn)?shù)階等效電路模型歐姆內(nèi)阻的預(yù)測(cè)值離散狀態(tài)空間方程的方差預(yù)測(cè)值px、sigma點(diǎn)對(duì)應(yīng)的均值權(quán)重離散狀態(tài)空間方程的協(xié)方差權(quán)重以及步驟(9-5)得到的t+1時(shí)刻觀測(cè)方程的觀測(cè)值和觀測(cè)方差預(yù)測(cè)值py，獲取輸入-輸出交叉協(xié)方差矩陣pxy、t時(shí)刻的卡爾曼算法的增益kt；t時(shí)刻的卡爾曼算法的協(xié)方差矩陣pt。

71、(9-7)根據(jù)步驟(9-6)得到的輸入-輸出交叉協(xié)方差矩陣pxy、t時(shí)刻的卡爾曼算法的增益kt；t時(shí)刻的卡爾曼算法的協(xié)方差矩陣pt，獲取t+1時(shí)刻的離散狀態(tài)空間方程的噪聲協(xié)方差qt+1和觀測(cè)噪聲協(xié)方差rt+1。

72、(9-8)使用步驟(9-7)得到的t+1時(shí)刻的離散狀態(tài)空間方程的噪聲協(xié)方差qt+1和觀測(cè)噪聲協(xié)方差rt+1獲取t+1時(shí)刻分?jǐn)?shù)階等效電路模型的歐姆內(nèi)阻的預(yù)測(cè)值

73、(9-9)對(duì)步驟(9-8)得到的t+1時(shí)刻分?jǐn)?shù)階等效電路模型的歐姆內(nèi)阻的預(yù)測(cè)值獲取制動(dòng)能量回收用鋰電池t+1時(shí)刻的soh估計(jì)值soht+1。

74、優(yōu)選地，步驟(9-3)的ut變換過(guò)程為：

75、

76、其中，為t時(shí)刻第m個(gè)sigma點(diǎn)，表示t時(shí)刻的狀態(tài)向量數(shù)學(xué)期望；為分?jǐn)?shù)階等效電路模型歐姆內(nèi)阻的初始預(yù)測(cè)值；為t時(shí)刻分?jǐn)?shù)階等效電路模型歐姆內(nèi)阻的預(yù)測(cè)值；m為步驟(9-2)初始化后的離散狀態(tài)空間方程的狀態(tài)變量的維數(shù)；m為步驟(9-2)初始化后的離散狀態(tài)空間方程的狀態(tài)向量的長(zhǎng)度，數(shù)值由狀態(tài)向量個(gè)數(shù)確定，本發(fā)明中m取值為3；γ為無(wú)跡變換的尺度參數(shù)；α為無(wú)跡變換的發(fā)散程度因子，用于確定sigma點(diǎn)的取樣分布情況，取值范圍為0.0001-1，優(yōu)選為0.005；β為無(wú)跡變換的調(diào)整參數(shù)，用于提供取樣點(diǎn)的其他約束條件，取值為0。

77、步驟(9-4)采用以下計(jì)算公式：

78、

79、其中，χ為權(quán)重系數(shù)，取χ＝2；qt為t時(shí)刻離散狀態(tài)空間方程的噪聲協(xié)方差。

80、優(yōu)選地，步驟(9-5)更新觀測(cè)值和觀測(cè)方差預(yù)測(cè)值py這一過(guò)程如以下所示：

81、

82、其中，為更新的t+1時(shí)刻觀測(cè)方程的觀測(cè)值；yt為t時(shí)刻觀測(cè)方程的實(shí)際觀測(cè)值；rt為t時(shí)刻觀測(cè)方程的觀測(cè)噪聲協(xié)方差。

83、步驟(9-6)的更新方程為：

84、

85、其中，為輸入-輸出交叉協(xié)方差矩陣的轉(zhuǎn)置。

86、步驟(9-7)的實(shí)現(xiàn)過(guò)程如下式所示：

87、

88、其中，gk為移動(dòng)窗口法的自適應(yīng)方差；z為自適應(yīng)移動(dòng)窗口。

89、步驟(9-9)中制動(dòng)能量回收用鋰電池t+1時(shí)刻soh預(yù)測(cè)值的計(jì)算公式如下：

90、

91、其中，soht+1為制動(dòng)能量回收用鋰電池t+1時(shí)刻的soh估計(jì)值；rn為制動(dòng)能量回收用鋰電池的最大可用電阻，為制動(dòng)能量回收用鋰電池的額定歐姆內(nèi)阻；re為制動(dòng)能量回收用鋰電池健康終止電阻，通常規(guī)定制動(dòng)能量回收用鋰電池容量小于額定容量的80％該電池需強(qiáng)制報(bào)廢，因此re的大小為制動(dòng)能量回收用鋰電池容量降低到額定容量80％時(shí)制動(dòng)能量回收用鋰電池的歐姆內(nèi)阻大小。

92、總體而言，通過(guò)本發(fā)明所構(gòu)思的以上技術(shù)方案與現(xiàn)有技術(shù)相比，能夠取得下列有益效果：

93、(1)由于本發(fā)明采用了步驟(1)到步驟(4)，建立基于分?jǐn)?shù)階等效電路模型，相比安時(shí)積分法的直接簡(jiǎn)單計(jì)算可以更好的擬合制動(dòng)能量回收系統(tǒng)制動(dòng)能量回收用鋰電池的非線性系統(tǒng)；

94、(2)由于本發(fā)明采用了步驟(5)，礦用電傳動(dòng)自卸車一旦啟動(dòng)不間斷運(yùn)行，制動(dòng)能量回收系統(tǒng)制動(dòng)能量回收用鋰電池處于一個(gè)快速變化的非線性時(shí)變系統(tǒng)，采用基于最小遺忘因子的遞推最小二乘法可以降低舊數(shù)據(jù)的影響，較快的跟蹤電池系統(tǒng)的變化，參數(shù)辨識(shí)更加符合系統(tǒng)運(yùn)行特點(diǎn)，同時(shí)采用遺傳算法對(duì)分?jǐn)?shù)階階數(shù)進(jìn)行辨識(shí)，避免了基于最小遺忘因子遞推最小二乘法無(wú)法在線辨識(shí)分?jǐn)?shù)階階數(shù)的問(wèn)題；

95、(3)由于本發(fā)明采用了步驟(6)到步驟(8)，在短時(shí)間尺度實(shí)時(shí)估計(jì)制動(dòng)能量回收用鋰電池的荷電狀態(tài)，契合制動(dòng)能量回收用鋰電池工作工況，保證制動(dòng)能量回收用鋰電池安全穩(wěn)定運(yùn)行；

96、(4)由于本發(fā)明采用了步驟(9)，由于制動(dòng)能量回收用鋰電池的健康狀態(tài)變換并不明顯，因此采用估計(jì)60次制動(dòng)能量回收用鋰電池荷電狀態(tài)，再在長(zhǎng)時(shí)間尺度內(nèi)估計(jì)一次制動(dòng)能量回收用鋰電池的健康狀態(tài)，減少計(jì)算次數(shù)同時(shí)保證了估計(jì)的準(zhǔn)確性；

97、(5)由于本發(fā)明采用了步驟(6)到步驟(9)，通過(guò)兩次faukf算法對(duì)制動(dòng)能量回收用鋰電池關(guān)鍵特征參數(shù)soc和soh分長(zhǎng)-短時(shí)間尺度聯(lián)合估計(jì)，以soc的估計(jì)結(jié)果作為soh估計(jì)的輸入，減少計(jì)算冗余，soc和soh測(cè)量數(shù)據(jù)相互更新矯正，在嚴(yán)苛使用工況下能夠?qū)崟r(shí)監(jiān)測(cè)，保證系統(tǒng)安全穩(wěn)定運(yùn)行

98、(6)由于本發(fā)明采用了步驟(10)，使用者可以實(shí)時(shí)關(guān)注制動(dòng)能量回收用鋰電池的運(yùn)行狀況，及時(shí)感知電池故障以及對(duì)老化電池進(jìn)行替換，保證駕駛安全以及提升經(jīng)濟(jì)效益。