买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网恭喜辽宁大学申请的专利一种基于初值补偿无迹卡尔曼滤波算法的锂离子电池自适应荷电估计方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN115201689B 。

龙图腾网通过国家知识产权局官网在2025-02-18发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202210859238.4，技术领域涉及：G01R31/367；该发明授权一种基于初值补偿无迹卡尔曼滤波算法的锂离子电池自适应荷电估计方法是由高哲;苗悦;魏俊秀;柴浩宇;焦芷媛;马瑞诚;袁奉麟设计研发完成，并于2022-07-21向国家知识产权局提交的专利申请。

本一种基于初值补偿无迹卡尔曼滤波算法的锂离子电池自适应荷电估计方法在说明书摘要公布了：一种基于初值补偿无迹卡尔曼滤波算法的锂离子电池自适应荷电估计方法，包括如下步骤：步骤1，选择等效电路模型；步骤2，采用增广向量法处理状态初始值、未知阶次以及未知参数，通过迭代法处理噪声，更新自适应分数阶无迹卡尔曼滤波算法；步骤3，根据所提带有初值补偿的无迹卡尔曼滤波算法对噪声的协方差矩阵进行自适应估计，进而估计锂离子电池的SOC值。本发明提供一种基于初值补偿的自适应分数阶无迹卡尔曼滤波器设计方法，该方法相比于未初值补偿、噪声协方差矩阵已知时的自适应分数阶无迹卡尔曼滤波算法，有效地提升了锂离子电池的SOC估计精度，提高了锂离子电池在不同工况下的SOC估计的自适应能力。

本发明授权一种基于初值补偿无迹卡尔曼滤波算法的锂离子电池自适应荷电估计方法在权利要求书中公布了：1.一种基于初值补偿无迹卡尔曼滤波算法的锂离子电池自适应荷电估计方法，其特征在于，包括如下步骤：步骤1，设定等效电路模型；步骤2，采用增广向量法处理状态初始值、未知阶次以及未知参数，通过迭代法处理噪声，更新自适应分数阶无迹卡尔曼滤波算法；步骤2-1设定关于状态初始值x10的变量ε,τ＝1，2，3…为正参数；步骤2-2通过增广向量法处理状态初值以及未知阶次、参数，得到系统增广方程；所述的步骤2-2系统增广方程的表达公式：ηk＝[xTk,x0k,βk,θTk]T， 式中，θk＝[θ1,θ2,θ3,θ4]T，w0k-1，wβk-1以及wθk-1分别是有关于初始值x0k，分数阶次α和参数θk的噪声；此外，满足Q是系统的过程噪声协方差矩阵，Q0,Qβ,Qθ分别是关于状态初始值、未知分数阶和未知参数的噪声协方差矩阵，T为采样周期；步骤2-3取σ点，通过无迹变换处理系统非线性函数；σ点的表达公式： 式中，是增广状态的预测值，是基于无迹变换的增广状态的估计值，是矩阵的第i行，是一个非常小的正数，并且κ＝3-n；步骤2-4根据无迹变换，得到自适应分数阶无迹卡尔曼滤波算法的预测和更新方程；自适应分数阶无迹卡尔曼滤波算法的预测和更新方程的表达公式： 式中，分别表示系统的测量预测、增广状态的预测值，和表示预测误差矩阵；ηk为关于初始值、未知阶次和未知参数的增广向量，zik|k-1＝hηik|k-1,Ik； 为系统测量噪声协方差矩阵，噪声协方差矩阵Qwk-1满足Fik-1|k-1＝fηik-1|k-1,Ik-1，fηik-1|k-1,Ik-1是基于无迹变换下的系统非线性函数，gηk-1,Ik-1＝[Jk-1,βk-1,θk-1]T， 增广向量Γ·是伽马函数，权重Wic＝Wim,i＝1,2,…,2n，是包含分布先验信息的参数，对于正态分布而言，是最优的；Kk、和Pk|k分别是卡尔曼增益矩阵、增广状态的估计值和估计误差矩阵；步骤3，根据所提带有初值补偿的无迹卡尔曼滤波算法对噪声的协方差矩阵进行自适应估计，进而估计锂离子电池的SOC值；步骤4，对于带有初值补偿的噪声自适应的分数阶无迹卡尔曼滤波算法进行锂离子电池的SOC估计，与未初值补偿、噪声协方差已知的自适应分数阶无迹卡尔曼滤波算法做对比，得到锂离子电池SOC估计的精度对比曲线。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人辽宁大学，其通讯地址为：110000 辽宁省沈阳市沈北新区道义南大街58号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。