基于树种和遗传算法优化的广义混合最小熵基于平方根 cubature Kalman 滤波的锂离子电池状态荷电估计
信号处理
2025-11-24 v1
摘要
基于最小熵（MEE）的 cubature Kalman 滤器（MEE-CKF）在状态荷电（SOC）估计中提供了准确且稳健的性能。然而，由于最小熵（MEE）的刚性，这一算法在面对更复杂的噪声环境时表现有限。为解决这些限制，本文提出了一种基于广义混合最小熵（GMMEE）的平方根 cubature Kalman 滤波（GMMEE-SRCKF）。平方根算法确保了 improved 的数值稳定性，避免了协方差退化，而 GMMEE 准则采用两种灵活的核函数，可有效适应非高斯噪声。此外，引入一种混合树种和遗传算法（TSGA）用于自动优化核参数。实验结果确认，TSGA 优化的 GMMEE-SRCKF 在现有鲁棒滤波器中表现更佳，实现的均方根误差（RMSE）小于 0.5%。
引用
@article{arxiv.2511.16888,
title = {State-of-charge estimation of lithium-ion batteries using a tree seed and genetic algorithm-optimized generalized mixture minimum error entropy-based square root cubature Kalman filter},
author = {Haiquan Zhao and Xiong Yin and Jinhui Hu},
journal= {arXiv preprint arXiv:2511.16888},
year = {2025}
}