锂离子电池状态荷电估计的虚拟传感器融合方法
计算机视觉与模式识别
2025-08-07 v1
摘要
本文通过结合两种广泛使用的范式来估计锂离子电池的状态荷电(SOC)：一种是配备等效电路模型(ECM)的卡尔曼滤波(KF)，另一种是机器学习方法。具体而言，考虑一种最近开发的虚拟传感器(VS)合成技术，其操作流程如下：(i)直接从数据中学习锂离子电池的仿射参数可变(APV)模型；(ii)从APV模型派生一组线性观测器；(iii)从观测器提取的特征，以及输入输出数据，用于训练机器学习技术以预测SOC。将VS返回的SOC预测值作为输出测量值，连同电池端电压一起输送至扩展卡尔曼滤波(EKF)，实现了两种范式的融合。提出一种数据驱动的校准策略，用于EKF的噪声协方差矩阵。实验结果表明，所设计的方法在SOC估计精度和平滑性方面均有显著提升。
引用
@article{arxiv.2508.04267,
title = {Revisiting Continual Semantic Segmentation with Pre-trained Vision Models},
author = {Duzhen Zhang and Yong Ren and Wei Cong and Junhao Zheng and Qiaoyi Su and Shuncheng Jia and Zhong-Zhi Li and Xuanle Zhao and Ye Bai and Feilong Chen and Qi Tian and Tielin Zhang},
journal= {arXiv preprint arXiv:2508.04267},
year = {2025}
}
备注
Under Review