内容概要：本文详细探讨了在不同工况（DST、FUDS、HPPC）下，利用一阶和二阶RC模型进行电池参数在线辨识的方法。文中介绍了两种主要的在线识别算法——扩展卡尔曼滤波（EKF）和遗忘因子递推最小二乘（FFRLS），并通过具体代码实例展示了这两种算法的应用。对于OCV（开路电压）的辨识，推荐采用多项式拟合而非查表法，并强调了参数初始化、噪声处理以及动态调整的重要性。此外，文章还讨论了将容量作为状态变量进行扩展辨识的技术细节，并提供了Simulink模型用于验证效果。
适合人群：从事电池管理系统（BMS）开发的研究人员和技术人员，尤其是对电池参数在线辨识感兴趣的工程师。
使用场景及目标：适用于需要精确掌握电池内部参数变化情况的实际应用场景，如电动汽车、储能系统等。目标是提高电池参数辨识的准确性，优化电池管理系统的性能。
其他说明：文章不仅提供了理论分析，还包括了大量的代码片段和具体的实施建议，帮助读者更好地理解和应用相关技术。
2025-09-28 10:19:58
1.24MB
1
实验目的：
理解贝叶斯最小错误率分类器的原理，根据实际问题，设计并实现一个最小错误率贝叶斯分类器。
实验内容：
对UCI数据库中的Iris数据集，利用贝叶斯分类器进行分类。
2022-06-18 14:07:57
831KB
实验目的：
理解多元线性回归模型，根据实际问题，建立多元线性回归模型。
1、做出自变量与各个因变量的散点图，判断是否可以建立多元线性回归模型；
2、建立多元线性回归模型；
3、根据残差判断是否存在异常点；
4、模型的改进。
实验内容：
下表统计了30个人的血压、年龄、体重指数、吸烟习惯（0表示不吸烟，1表示吸烟）的值，判断是否可以建立线性回归模型，如果可以，建立血压与年龄、体重指数、吸烟习惯之间的线性回归模型。
2022-06-18 14:07:57
523KB
实验目的：
了解分类器设计的概念，理解基于Fisher准则进行线性分类的原理，通过实验对线性分类器有更深刻的认识。
2022-06-18 14:07:56
382KB
实验目的：
加深对非监督学习的理解和认识，掌握动态聚类K-均值算法。
实验内容：
1、对UCI数据库中的Iris数据集，利用基本K-均算法值进行分类。
2、对基本的K-均值算法进行改进，并与上面的结果进行比较。
2022-06-18 14:07:56
566KB
基于带遗忘因子的最小二乘算法，提出一种模糊遗忘因子最小二乘算法。
首先利用帕德逼近法线性化技术建立永磁同步电机线性回归数学模型， 根据电流误差设计模糊控制
器，进行遗忘因子的自适应调整，并将其应用于永磁同步电机定子电阻的在线辨识中，较好地解决了
遗忘因子最小二乘算法中结果稳定性和收敛速度相互矛盾的问题
2021-06-23 16:02:44
2.64MB
1