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。小型无人机锂电池-电动滚圆机滚弧机张家港钢管滚圆机滚弧机折弯机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。 第40卷第10期2018-10【95】如式(1)所示本文由公司网站张家港大棚滚圆机采集转载中国知网整理!!http://www.dapenggunyuanji.com/  。式(1)的第一部分和第二部分分别是Thevenin模型的KVL和KCL关系。图2钴酸锂电池组HPPC实验曲线示意图一般进行混合动力脉冲能力特性实验[7]（HybridPulsePowerCharacteristic，HPPC）来辨识模型中的各个参数。如图2所示。图2中BC段电压突变是由于电池欧姆内阻R0引起的，欧姆内阻RUBCi0。CD段电压变化表现的是极化内阻，极化内阻RUCDi1。针对模型中的RC一阶电路，时间常量RC1是一个常量，=t1-t2，于是极化电容CiUCD。1.2锂电池SOC估算方法研究估算锂电池SOC的方法有很多种，比较典型的方法有安时积分法、开路电压法、放电实验法、神经网络法和卡尔曼滤波法[8]等方法。开路电压法是用电池的开路电压U来估算电池的SOC。U-SOC的函数关系可表示为Ut=F(SOCt)。通过测量电池的开路电压，通过U-SOC关系式确定电池SOC。但是锂电池工作状态下难以获得准确的开路电压，所以该方法误差较大。安时积分法是根据SOC的定义来估算，SOC的定义式如式(2)所示。(2)一般取电池满电时刻为t0，此时有电池标称电容Q0，η是一个补偿电池放电倍率、温度和电池健康状态等对SOC的影响。因为工作状态下获取锂电池充放电电流存在误差，所以SOC估算也存在较大误差。放电实验法相当可靠，但是对人力物力消耗大，不能在线估计，一般用于实验研究。神经网络法需要大量训练数据，对历史数据依赖大，计算量大，测量精度会严重影响估计精度。应用卡尔曼滤波算法估计锂电池SOC，具有精度高和实时性好等优点。本文将锂电池极化电?小型无人机锂电池-电动滚圆机滚弧机张家港钢管滚圆机滚弧机折弯机本文由公司网站张家港大棚滚圆机采集转载中国知网整理!!http://www.dapenggunyuanji.com/