基于无迹卡尔曼滤波（UKF）的锂电池荷电状态（SOC）估计，里面包含自己所做实验得到的锂电池系统参数（二阶RC等效电路模型各参数），并且通过UDDS工况仿真验证UKF算法的精度。需要各种误差图，可自行修改代码。

State Estimation for Robotics机器人学中的状态估计 [加]蒂莫西•D.巴富特 slam必读 中文文字版 （slam必读+状态估计+无人驾驶+自主导航+路径规划）

这是示例所包含的源代码 Jhelum Chakravorty和Aditya Mahajan，“基于马尔可夫状态的丢包信道的远程估计”，发表在《IEEE自动控制学报》上。2019年6月接受。 系统模型 源模型 考虑一个一阶自回归源${Xt}{t \ge 0}$定义在$\mathbb R$或$\mathbb Z$上。初始状态$ x0 = 0$，对于$t \ge 0$，源演化为 其中${Wt}{t \ge 0}$是一个i.i.d噪声序列，并按均匀和对称分布分布$\mu$。 通道模型 该通道是一个带状态的丢包通道。状态${St}{t\ge 0}$是一个转移概率矩阵$Q$的一阶马尔可夫过程。 通道的输入是$\mathbb X$，输出是$\mathb

基于快速分解法的电力系统状态估计.pdf

基于UT变换的在线电力系统动态状态估计.pdf

基于PMU数据的电力系统状态估计研究综述.pdf

针对利用平方根无极卡尔曼算法估算电池SOC时,因噪声协方差为常量带来的误差,在平方根无极卡尔曼滤波(SR-UKF)算法的基础,改进了算法,把每次测量的输出值残差的协方差作为噪声的协方差,得到自适应平方根无极卡尔曼滤波算法,使得噪声协方差随时间的更新而更新,解决了噪声协方差为常量带来的误差。实验表明,利用自适应平方根无极卡尔曼滤波算法对在常温下电池放电过程的SOC估计,精确度在总体上得到了提高,在电池工作区间0.2≤YSOC≤0.9内估计误差在1.5%以内。自适应平方根无极卡尔曼滤波算法对电池常温放电过程的SOC估计能满足电动汽车电池SOC估计的实际要求。

Optimal State Estimation - Kalman, Hoo and Nonlinear Approaches SOLUTION MANUAL 分为两部分这是习题部分；

#资源达人分享计划#

#资源达人分享计划#