CN110988711A - 一种巡线机器人的能量管理方法 - Google Patents

一种巡线机器人的能量管理方法 Download PDF

Info

Publication number
CN110988711A
CN110988711A CN201911247106.0A CN201911247106A CN110988711A CN 110988711 A CN110988711 A CN 110988711A CN 201911247106 A CN201911247106 A CN 201911247106A CN 110988711 A CN110988711 A CN 110988711A
Authority
CN
China
Prior art keywords
energy consumption
battery
inspection robot
time
robot
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201911247106.0A
Other languages
English (en)
Inventor
贾绍春
李方
薛家驹
吴积贤
樊广棉
张扬勇
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Guangdong Keystar Intelligence Robot Co ltd
Original Assignee
Guangdong Keystar Intelligence Robot Co ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Guangdong Keystar Intelligence Robot Co ltd filed Critical Guangdong Keystar Intelligence Robot Co ltd
Priority to CN201911247106.0A priority Critical patent/CN110988711A/zh
Publication of CN110988711A publication Critical patent/CN110988711A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/36—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC]
    • G01R31/382—Arrangements for monitoring battery or accumulator variables, e.g. SoC
    • G01R31/3842—Arrangements for monitoring battery or accumulator variables, e.g. SoC combining voltage and current measurements

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Manipulator (AREA)

Abstract

本发明公开了一种巡线机器人的能量管理方法，巡线机器人采用电池为能量来源，该方法包括以下步骤：（1）以负载电压法实时估计电池剩余电量；（2）能耗预测：通过巡线机器人的静态能耗、线上行走能耗、越障能耗和巡检能耗计算巡线机器人的总能耗；（3）根据电池剩余电量和能耗预测计算续航里程和续航时间。本发明的巡线机器人能量管理方法以负载电压法实时估计电池剩余电量，该负载电压法能实现实时估计电池的剩余电量，以便于实时计算巡线机器人的续航里程和续航时间。本发明通过预测这些能耗总和并结合电池剩余电量计算续航里程和续航时间，该能量总耗预测对巡线机器人的各动作能耗进行了精准的预测计算，续航数据计算有较高的准确性。

Description

一种巡线机器人的能量管理方法
技术领域
本发明涉及巡线机器人技术领域，尤其涉及一种巡线机器人的能量管理方法。
背景技术
传统的输电线路巡检方法主要以人工巡线为主，其巡线效率低，劳动强度大，工人经常野外工作，工作环境恶劣，并且跨越高山，密林，大河的输电线路档段的巡检难度更大。采用直升机巡检效率较高，但是其经济效益差，并且容易忽略输电线路的细微损坏。巡线机器人是一种用于巡检高压输电线路的特种机器人，可用于代替人工巡检，其巡检效率高，成像效果好，是机器人技术与输电线路巡检技术发展相结合的必然趋势。
巡线机器人的行走，越障以及检测都需要机器人自带的蓄电池进行供电。巡线机器人续航能力是机器人的关键技术指标，其直接决定巡线机器人的巡线里程及工作时间。巡线机器人的能量问题成为制约机器人续航能力的关键。这就要求对于巡线机器人的电池剩余能量以及巡线过程中的预计能量损耗进行精确计算，以获得较精确的续航里程和续航时间。目前，未发现现有技术中对电池剩余能力以及巡线过程中的预计能量损耗进行精确的技术。
发明内容
本发明的目的在于提出一种巡线机器人的能量管理方法，能够较精确的计算续航里程和续航时间。
为达此目的，本发明采用以下技术方案：
一种巡线机器人的能量管理方法，巡线机器人采用电池为能量来源，该方法包括以下步骤：
（1）以负载电压法实时估计电池剩余电量；
（2）能耗预测：通过巡线机器人的静态能耗、线上行走能耗、越障能耗和巡检能耗计算巡线机器人的总能耗；
（3）根据电池剩余电量和能耗预测计算续航里程和续航时间。
进一步的，在步骤（1）中，首先建立电池模型，通过实验获得电池在不同电池、不同温度下放电时负载的端电压和开路电压的关系，然后根据电池剩余容量与开路电压的关系曲线，计算出电池的实时剩余容量，即获得电池剩余电量。
进一步的，在步骤（2）中，巡线机器人的静态能耗为Cj，设巡线机器人在静态下的干路电流为ij，静态运行时间为tj；
Figure 620290DEST_PATH_IMAGE001
。
进一步的，在步骤（2）中，巡线机器人的线上行走能耗为Cx，设巡线机器人的行走时间为tx，
Figure 383847DEST_PATH_IMAGE002
,θ为电线与水平方向的夹角，即电线 坡度；
则，
Figure 483390DEST_PATH_IMAGE003
；
那么，
Figure 965187DEST_PATH_IMAGE004
。
进一步的，巡线机器人在行驶过程中遇到障碍物时会以滚动穿越方式进行越障动作，越障动作分解为收臂、展臂、锁臂、松臂、压紧、松开和行走七个动作，收臂工作的时间和干路电流为tshb和ishb，展臂工作的时间和干路电流为tzb和izb，锁臂工作的时间和干路电流为tsb和isb，松臂工作的时间和干路电流为tsob和isob，压紧工作的时间和干路电流为tyj和iyj，松开工作的时间和干路电流为tsk和isk，行走工作的时间和干路电流为txz和ixz，
在步骤（2）中，巡线机器人的越障能耗为Cy，
Figure 113271DEST_PATH_IMAGE006
，其中，越障电流为iy，越障时间为ty。
进一步的，在步骤（2）中，巡线机器人的巡检能耗Cs，巡检时间为ts，巡检电流为is，
Figure 793651DEST_PATH_IMAGE008
。
进一步的，在步骤（2）中，巡线机器人的总能耗为C，
Figure 798516DEST_PATH_IMAGE010
。
进一步的，该方法还包括发电馈能步骤，巡线机器人具有发电机，巡线机器人在线上行走时存在下坡过程，在下坡过程中判断发电馈能的起止条件，对发电机的输出功率进行匹配。
本发明的有益效果为：
本发明的巡线机器人能量管理方法以负载电压法实时估计电池剩余电量，该负载电压法能实现实时估计电池的剩余电量，以便于实时计算巡线机器人的续航里程和续航时间。本发明预计算巡线机器人的静态能耗、线上行走能耗、越障能耗和巡检能耗，通过预测这些能耗总和并结合电池剩余电量计算续航里程和续航时间，该能量总耗预测对巡线机器人的各动作能耗进行了精准的预测计算，续航数据计算有较高的准确性。
附图说明
图1是电池的放电试验中采集的实验数据；
图2是巡检机器人上坡时的受力分析图；
图3是巡检机器人下坡时的受力分析图；
图4是干路电流值ix与sinθ的关系曲线；
图5是巡检机器人滚动穿越防振锤行为的动作规划。
具体实施方式
下面结合附图及具体实施方式进一步说明本发明的技术方案。
一种巡线机器人的能量管理方法，巡线机器人采用电池为能量来源，该方法包括以下步骤：
（1）以负载电压法实时估计电池剩余电量；
（2）能耗预测：通过巡线机器人的静态能耗、线上行走能耗、越障能耗和巡检能耗计算巡线机器人的总能耗；
（3）根据电池剩余电量和能耗预测计算续航里程和续航时间。
本发明的巡线机器人能量管理方法以负载电压法实时估计电池剩余电量，该负载电压法能实现实时估计电池的剩余电量，以便于实时计算巡线机器人的续航里程和续航时间。本发明预计算巡线机器人的静态能耗、线上行走能耗、越障能耗和巡检能耗，通过预测这些能耗总和并结合电池剩余电量计算续航里程和续航时间，该能量总耗预测对巡线机器人的各动作能耗进行了精准的预测计算，续航数据计算有较高的准确性。
进一步的，在步骤（1）中，首先建立电池模型，通过实验获得电池在不同电池、不同温度下放电时负载的端电压和开路电压的关系，然后根据电池剩余容量与开路电压的关系曲线，计算出电池的实时剩余容量，即获得电池剩余电量。
具体的，为了预测电池的SOC，在实际中经常采用经验公式模型，通过对电池的放电试验，得到锂电池的端电压和电池内阻、放电电流和SOC之间的关系，包括Shepherd、Unnewehr universal和Nernst电池模型，分别如下：
Shepherd model:
Figure 499101DEST_PATH_IMAGE012
；
Unnewehr universal model:
Figure 247614DEST_PATH_IMAGE014
；
Nernstmodel:
Figure 251342DEST_PATH_IMAGE016
。
综合上面3种模型即有：
Figure 427108DEST_PATH_IMAGE018
（1）
（1）式中的y表示在锂电池的瞬时端电压，x表示锂电池的瞬时SOC，R是电池内阻，i是瞬时放电电流。k0、k1、k2、k3、k4是没有物理意义的模型参数，通过试验数据拟合得到（1）式是SOC、与端电压、内阻、放电电流之间的数学关系，反映了外界对系统状态的观测过程，可以作为锂电池状态空间模型的量测方程。那么就需要在试验室中搭建实验平台进行放电试验。
放电试验的硬件平台包括作为巡检机器人电源的锂电池、放电电阻、硬件卡板和开关电源，四者相串联。巡线机器人在运行时，电流值范围在2A和12A之间，为了模拟现场环境，放电实验时，将锂电池从充满电的状态（SOC初值为1)开始变电流放电，每次放电实验分别接入不同的电阻值，随着锂电池放电时电压逐渐降低，此时调节电阻值时电流保持恒定。每隔1秒采集一次锂电池的端电压值和放电电流值，然后通过安时计量法计算得到剩余电量及对应的SOC值，数据（以10A恒定电流放电为例）如图1所示。
将采集及计算得到的数据，利用最小二乘法在matlab中进行参数辨识得到k0、k1、k2、k3、k4的值分别为26.98、0.065、2.44、-18.58、-11.51、-0.29。将其带入(1)式即得量测方程如下：
Figure 414656DEST_PATH_IMAGE020
（2）
其中，ξ是量测噪声，实际应用中可省略，此外，非线性部分影响较小，也可省略。故转换后得：
Figure 904543DEST_PATH_IMAGE022
（3），其中，C为电池剩余电量。
进一步的，在步骤（2）中，巡线机器人的静态能耗为Cj，设巡线机器人在静态下的干路电流为ij，静态运行时间为tj；
Figure 293936DEST_PATH_IMAGE001
。
巡线机器人的静态能耗，即巡线机器人通电以后既没有行走也没有作业时的能耗。
进一步的，在步骤（2）中，巡线机器人的线上行走能耗为Cx，设巡线机器人的行走时间为tx，
Figure 843866DEST_PATH_IMAGE024
,θ为电线与水平方向的夹角，即电线坡度；
则，
Figure 787551DEST_PATH_IMAGE026
；
那么，
Figure 143446DEST_PATH_IMAGE027
。
具体的，首先分析巡线机器人在线路上行走时上坡和下坡的能耗，在试剂线路中，一个档段会有几百至一千多米，其中防震锤段不足半米，除了过防震锤采用爬行越障，线路的其余部分均采用压紧轮松开行走轮直接滚动的方式。
上坡时的受力分析：
由于悬垂线的曲率半径远远大于机器人两臂之间的距离，因此可以认为两臂之间的架空地线为直线。受力分析如图2所示，机器人采用双轮驱动，当上坡匀速行驶时，行走轮的滚动方向为顺时针方向，行走轮电机提供驱动力矩，力矩方向为顺时针，滚动摩阻的方向与运动方向相反为逆时针方向，摩擦力的方向与运动方向相同。
通过上述分析有以下公式:
Figure 590608DEST_PATH_IMAGE029
可得，
Figure 845528DEST_PATH_IMAGE031
（4）
式中：Mq为行走轮提供的驱动力矩，f为行走轮受到的摩擦力，Mf为行走轮受到的滚动 摩阻，G为机器人的重力，N为对地线的正压力，r为行走轮的内径，
Figure DEST_PATH_IMAGE032
为滚动摩阻系数。
下坡时的受力分析：
如图3所示，机器人采用双轮驱动，当下坡匀速行驶时，行走轮的滚动方向为顺时针方向，行走轮电机提供制动力矩，力矩方向与滚动方向相反为逆时针，滚动摩阻的方向与运动方向相反为逆时针方向，摩擦力的方向与运动方向相反。
通过上述分析有以下公式:
Figure 604405DEST_PATH_IMAGE033
可得：
Figure DEST_PATH_IMAGE034
（5）
Mz为机器人下坡时的制动力矩。
由直流电机的电磁转矩理论可得：
Figure 763991DEST_PATH_IMAGE035
（6）
式中，CM为转矩常数，Φ为磁通，iw为行走电机总能量。
又因机器人在以固定速度行驶过程中，δ非常小，且cosθ变化非常小，故可分别在上坡和下坡时令δ*G* cosθ为一常数，又ix=iw+ij ，且ij为一定值，则上式可转化为：
Figure 596818DEST_PATH_IMAGE037
（7），ix为机器人行走时的干路电流。
以巡线机器人正常工作行驶速度5900r/m进行实验，取大量实验结果平均值，获得干路电流值ix与sinθ的关系曲线如图4所示。
图4中干路电流值ix与sinθ的关系曲线中曲线可知，当机器人在下坡坡度为5°左右时机器人电流达到最小值为3A，即为机器人的静态电流：ij=3A。经过函数插值运算，得出A=29.76117，B=5.364688，C=-1.31634，D=2.641682，即得下式：
Figure 222971DEST_PATH_IMAGE039
。
进一步的，巡线机器人在行驶过程中遇到障碍物时会以滚动穿越方式进行越障动作，越障动作分解为收臂、展臂、锁臂、松臂、压紧、松开和行走七个动作，收臂工作的时间和干路电流为tshb和ishb，展臂工作的时间和干路电流为tzb和izb，锁臂工作的时间和干路电流为tsb和isb，松臂工作的时间和干路电流为tsob和isob，压紧工作的时间和干路电流为tyj和iyj，松开工作的时间和干路电流为tsk和isk，行走工作的时间和干路电流为txz和ixz；
在步骤（2）中，巡线机器人的越障能耗为Cy，
Figure 937986DEST_PATH_IMAGE041
，其中，越障电流为iy，越障时间为ty。
具体的，巡检机器人在遇到障碍物的时候，首先会采用滚动穿越方式，机器人要穿越防振锤，需要采取一系列的动作，其中包括多种状态及状态转移规则。巡检机器人滚动穿越防振锤的动作规划如图5所示。超声传感器阵列检测到防振锤后，减速继续前进，至前轮检测挡板接触到防振锤并检测到霍尔信号后，开始采取越障动作。由于防振锤一般都处在杆塔附近，该路段均有一定的坡度，为了保证机器人越障可靠性及机器人本身的安全性，采用“后轮推滚—前轮拖滚”的方式越障。其他障碍物的越障类似。
机器人在线路上行驶以后，会在杆塔处进行越障，然而不同的障碍物（如直线塔头、耐张塔头等）的越障动作规划不一样，故电流也是根据动作的变化而变化的。经过试验验证，机器人在进行单个动作时的干路电流是稳定不变的，实验结果如表1所示。
Figure 573367DEST_PATH_IMAGE043
故，
Figure DEST_PATH_IMAGE045
。
进一步的，在步骤（2）中，巡线机器人的巡检能耗Cs，巡检时间为ts，巡检电流为is，
Figure 57438DEST_PATH_IMAGE047
。
进一步的，在步骤（2）中，巡线机器人的总能耗为C，
Figure DEST_PATH_IMAGE049
。
进一步的，该方法还包括发电馈能步骤，巡线机器人具有发电机，巡线机器人在线上行走时存在下坡过程，在下坡过程中判断发电馈能的起止条件，对发电机的输出功率进行匹配。
以上结合具体实施例描述了本发明的技术原理。这些描述只是为了解释本发明的原理，而不能以任何方式解释为对本发明保护范围的限制。基于此处的解释，本领域的技术人员不需要付出创造性的劳动即可联想到本发明的其它具体实施方式，这些方式都将落入本发明的保护范围之内。

Claims (8)

1.一种巡线机器人的能量管理方法，其特征在于，所述巡线机器人采用电池为能量来源，该方法包括以下步骤：
（1）以负载电压法实时估计电池剩余电量；
（2）能耗预测：通过巡线机器人的静态能耗、线上行走能耗、越障能耗和巡检能耗计算巡线机器人的总能耗；
（3）根据电池剩余电量和能耗预测计算续航里程和续航时间。
2.根据权利要求1所述的巡线机器人的能量管理方法，其特征在于，在所述步骤（1）中，首先建立电池模型，通过实验获得电池在不同电池、不同温度下放电时负载的端电压和开路电压的关系，然后根据电池剩余容量与开路电压的关系曲线，计算出电池的实时剩余容量，即获得电池剩余电量。
3.根据权利要求1所述的巡线机器人的能量管理方法，其特征在于，在所述步骤（2）中，所述巡线机器人的静态能耗为Cj，设巡线机器人在静态下的干路电流为ij，静态运行时间为tj；
Figure DEST_PATH_IMAGE001
。
4.根据权利要求3所述的巡线机器人的能量管理方法，其特征在于，在所述步骤（2）中，所述巡线机器人的线上行走能耗为Cx，设巡线机器人的行走时间为tx，
Figure 81265DEST_PATH_IMAGE002
,θ为电线与水平方向的夹角，即电线 坡度；
则，
Figure DEST_PATH_IMAGE003
；
那么，
Figure 342613DEST_PATH_IMAGE004
。
5.根据权利要求4所述的巡线机器人的能量管理方法，其特征在于，所述巡线机器人在行驶过程中遇到障碍物时会以滚动穿越方式进行越障动作，越障动作分解为收臂、展臂、锁臂、松臂、压紧、松开和行走七个动作，收臂工作的时间和干路电流为tshb和ishb，展臂工作的时间和干路电流为tzb和izb，锁臂工作的时间和干路电流为tsb和isb，松臂工作的时间和干路电流为tsob和isob，压紧工作的时间和干路电流为tyj和iyj，松开工作的时间和干路电流为tsk和isk，行走工作的时间和干路电流为txz和ixz；
在所述步骤（2）中，所述巡线机器人的越障能耗为Cy；
Figure DEST_PATH_IMAGE005
，其中，越障电流为iy，越障时间为ty。
6.根据权利要求5所述的巡线机器人的能量管理方法，其特征在于，在所述步骤（2）中，所述巡线机器人的巡检能耗Cs，巡检时间为ts，巡检电流为is；
Figure 591192DEST_PATH_IMAGE006
。
7.根据权利要求6所述的巡线机器人的能量管理方法，其特征在于，在所述步骤（2）中，巡线机器人的总能耗为C；
Figure DEST_PATH_IMAGE007
。
8.根据权利要求1所述的巡线机器人的能量管理方法，其特征在于，该方法还包括发电馈能步骤，所述巡线机器人具有发电机，所述巡线机器人在线上行走时存在下坡过程，在下坡过程中判断发电馈能的起止条件，对发电机的输出功率进行匹配。
CN201911247106.0A 2019-12-09 2019-12-09 一种巡线机器人的能量管理方法 Pending CN110988711A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911247106.0A CN110988711A (zh) 2019-12-09 2019-12-09 一种巡线机器人的能量管理方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911247106.0A CN110988711A (zh) 2019-12-09 2019-12-09 一种巡线机器人的能量管理方法

Publications (1)

Publication Number Publication Date
CN110988711A true CN110988711A (zh) 2020-04-10

Family

ID=70091198

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911247106.0A Pending CN110988711A (zh) 2019-12-09 2019-12-09 一种巡线机器人的能量管理方法

Country Status (1)

Country Link
CN (1) CN110988711A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112285571A (zh) * 2020-12-24 2021-01-29 苏州光格设备有限公司 一种用于巡检机器人的基于历史功耗数据的电量评估方法
CN113752300A (zh) * 2021-09-22 2021-12-07 重庆工商大学 一种工业机器人能耗预测方法

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101741123A (zh) * 2010-02-01 2010-06-16 鸿源控股有限公司 车用高效电源智能化管理系统
CN102522715A (zh) * 2011-12-07 2012-06-27 姚正齐 一种巡线机器人跨越障碍行走机构及巡线机器人设备
CN104079054A (zh) * 2014-07-01 2014-10-01 武汉大学 一种用于高压输电线路巡线机器人的能量回收系统及方法
CN105930922A (zh) * 2016-04-14 2016-09-07 武汉大学 一种高压输电线路巡检机器人续航里程预测方法
CN106202965A (zh) * 2016-07-27 2016-12-07 武汉大学 一种输电线路巡检机器人能耗预测方法
CN106779136A (zh) * 2016-11-11 2017-05-31 广东电网有限责任公司电力科学研究院 一种输电线路巡检机器人续航里程计算方法
CN109449826A (zh) * 2018-12-26 2019-03-08 广东科凯达智能机器人有限公司 基于机器人平台的巡检设备及系统

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101741123A (zh) * 2010-02-01 2010-06-16 鸿源控股有限公司 车用高效电源智能化管理系统
CN102522715A (zh) * 2011-12-07 2012-06-27 姚正齐 一种巡线机器人跨越障碍行走机构及巡线机器人设备
CN104079054A (zh) * 2014-07-01 2014-10-01 武汉大学 一种用于高压输电线路巡线机器人的能量回收系统及方法
CN105930922A (zh) * 2016-04-14 2016-09-07 武汉大学 一种高压输电线路巡检机器人续航里程预测方法
CN106202965A (zh) * 2016-07-27 2016-12-07 武汉大学 一种输电线路巡检机器人能耗预测方法
CN106779136A (zh) * 2016-11-11 2017-05-31 广东电网有限责任公司电力科学研究院 一种输电线路巡检机器人续航里程计算方法
CN109449826A (zh) * 2018-12-26 2019-03-08 广东科凯达智能机器人有限公司 基于机器人平台的巡检设备及系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
郭磊 等: "高压输电线路巡检机器人续航里程的预测方法", 《武汉大学学报（工学版）》 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112285571A (zh) * 2020-12-24 2021-01-29 苏州光格设备有限公司 一种用于巡检机器人的基于历史功耗数据的电量评估方法
CN112285571B (zh) * 2020-12-24 2021-04-13 苏州光格科技股份有限公司 一种用于巡检机器人的基于历史功耗数据的电量评估方法
CN113752300A (zh) * 2021-09-22 2021-12-07 重庆工商大学 一种工业机器人能耗预测方法

Similar Documents

Publication Publication Date Title
Qian et al. Convolutional neural network based capacity estimation using random segments of the charging curves for lithium-ion batteries
Yang et al. Supervisory long-term prediction of state of available power for lithium-ion batteries in electric vehicles
Li et al. State of charge estimation for LiMn2O4 power battery based on strong tracking sigma point Kalman filter
US10005372B2 (en) Virtual assessment of battery state of health in electrified vehicles
CN103675706B (zh) 一种动力电池电荷量估算方法
CN105633487B (zh) 一种锂离子电池智能管理系统
CN104617623B (zh) 一种电动汽车动力电池组均衡控制方法
JP6668905B2 (ja) 電池劣化推定装置
CN103744026A (zh) 基于自适应无迹卡尔曼滤波的蓄电池荷电状态估算方法
CN105304952A (zh) 用于车辆控制的降阶电化学电池模型
CN102468521A (zh) 用于估计蓄电池健康状态的方法和装置
CN102831100A (zh) 电池荷电状态估算方法及装置
CN103863318A (zh) 一种基于跟车模型的混合动力汽车节能预测控制方法
CN102565710A (zh) 用于估计蓄电池健康状态的方法和装置
CN110988711A (zh) 一种巡线机器人的能量管理方法
CN102169168B (zh) 一种基于粒子滤波的电池剩余电量估计方法
CN104881550A (zh) 动力电池运行温度的自适应预测方法
Zhang et al. A battery state of charge estimation method using sliding mode observer
CN104537268A (zh) 一种电池最大放电功率估算方法和装置
US20160023569A1 (en) Battery power capability estimation based on reduced order electrochemical models
Bouguenna et al. Robust neuro-fuzzy sliding mode control with extended state observer for an electric drive system
JP7366975B2 (ja) バッテリ劣化推定装置、バッテリ劣化推定システム、バッテリ劣化推定方法、およびプログラム
Sun et al. Neural network‐based learning and estimation of battery state‐of‐charge: a comparison study between direct and indirect methodology
CN109063406A (zh) 一种基于advisor的水平运输机车仿真建模方法
Sun et al. Estimation method of state-of-charge for lithium-ion battery used in hybrid electric vehicles based on variable structure extended kalman filter

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20200410