《表2 GPR-UKF和UKF的预测性能》
由图10~17可看出,基于高斯过程回归的UKF算法具有较高的估计精度,可以较好地估计电池的SOC。根据图14~15可知,两种算法的误差都较小,随着时间的增大,二者误差逐渐增大,在0~2000 s间误差呈现递增趋势,在2000 s左右误差达到最大,这种现象主要是由于电池的模型误差累计引起的。为了进一步验证算法的有效性,将GPR-UKF与经典的UKF进行比较,结果见表2。可以看出,在UDDS工况下GMR-UKF的均方根误差为1.57%,在UDDS工况下UKF的绝对百分比均值误差为2.24%。在DST工况下GMR-UKF的均方根误差为1.48%,在DST工况下UKF的绝对百分比均值误差为3.52%。
图表编号 | XD00146885000 严禁用于非法目的 |
---|---|
绘制时间 | 2020.07.05 |
作者 | 魏孟、李嘉波、李忠玉、叶敏、徐信芯 |
绘制单位 | 长安大学公路养护装备国家工程实验室、长安大学公路养护装备国家工程实验室、河南省高远公路养护技术有限公司、长安大学公路养护装备国家工程实验室、长安大学公路养护装备国家工程实验室 |
更多格式 | 高清、无水印(增值服务) |