在锂电池组提供动力的小型无人机中,对锂电池组进行准确、可靠的荷电状态估计(state of charge,SOC)尤为重要。针对传统SOC估算方法存在计算量大、估计不准确等缺点,通过对锂电池组建立Thevenin模型,提出了一种基于扩展卡尔曼滤波(Estimationkalmanfilter,EKF)算法的小型无人机锂电池组SOC实时估算方法。通过采用串联7节4Ah钴酸锂电池单体的锂电池组进行实验验证。实验表明该方法对小型无人机锂电池SOC估计误差低于4%,在误差允许范围内,基本满足了对小型无人机锂电池组SOC在线估计的需求。
针对放电条件下,航空锂电池的放电情况,考虑了电流及温度对极化参数的影响的电池模型。电池电荷状态(State of Charge,SOC)对于电池是十分重要的性能,为了精准估计航空锂电池的电池电荷状态(State of Charge,SOC),尝试使用无迹卡尔曼滤波(UKF)对航空锂电池的SOC进行估算,无迹卡尔曼滤波是一种新型的滤波估计算法。UKF以无损变换变换为基础,摒弃了对非线性函数进行线性化的传统做法,采用卡尔曼线性滤波框架,对于一步预测方程,使用无迹(UT)变换来处理均值和协方差的非线性传递,就成为UKF算法。UKF是对非线性函数的概率密度分布进行近似,用一系列确定样本来逼近状态的后验概率密度,而不是对非线性函数进行近似,不需要求导计算Jacobian矩阵。UKF没有线性化忽略高阶项,因此非线性分布统计量的计算精度较高。在simulink上建立航空锂电池的等效电路模型,进行仿真实验。仿真实验表明该算法SOC估算精度误差稳定在百分之五左右。
