基于FFRLS-AEKF 的6 轮足机器人电池SOC 估计

汪首坤，鲁帅，陈志华，刘道和，岳巍,3

（1. 北京理工大学 复杂系统智能控制与决策国家重点实验室，北京 100081；2. 北京理工大学 伺服运动系统驱动与控制工信部重点实验室，北京 100081；3. 北京新能源汽车股份有限公司工程研究院试验中心，北京 100176）

对于移动机器人而言，能源管理技术始终是其续航问题的重点和难点[1]. 在整个能源系统中，动力电池的剩余电量直接决定了电动机器人的工作时间，而锂离子电池的荷电状态（state of charge，SOC）对于电动机器人的剩余电量有着指导作用[2]. 同时，对于纯电动的机器人来说，精确的SOC 估计是保证动力电池在安全区间内充电和放电的主要依据，是保障动力电池安全性的重要手段，是延长锂电池寿命的重要参数[3].

由于电池内部复杂的化学反应，SOC 始终处于非线性的时变过程，故不能直接测量计算，只能通过电池的外特性参数估计得出. 目前主流的SOC 估值方法有开路电压法（open circuit voltage，OCV）、安时积分法、神经网络法、内阻测试法以及卡尔曼滤波算法等[4−5]. 开路电压法和内阻测试法都是利用动力电池的特征参数，内阻法是基于阻抗谱的方法测试出不同SOC 下的电池内阻，提取SOC 特征参数，建立SOC 和该参数之间的函数关系，用查表方法标定SOC. 开路电压法是实验室测试的常用方法，通过建立OCV-SOC 的映射关系以达到估计目的，许多BMS厂商也使用这种方法来粗略的标记电量. 但是OCV的测量需要动力电池处于开路状态，并长时间放置，不适合在线估计. 安时积分法基于……