江苏大学学报(自然科学版)

作者：朱茂桃,肖晓锋,刘欢,吴佘胤

单位：江苏大学 汽车与交通工程学院， 江苏 镇江 212013

关键词：锂离子电池, 改进粒子群算法, 参数辨识, 电池荷电状态估计, 双卡尔曼滤波

基金：国家自然科学基金资助项目（51505196）

针对卡尔曼滤波算法估计锂离子电池荷电状态存在精度较低的问题，提出了一种基于改进粒子群算法(IPSO)优化双卡尔曼滤波算法（DKF）的方法.在粒子群算法的基础上，引入一种蜘蛛移动策略的黑寡妇优化算法（BWOA）对粒子速度更新方式优化.采用改进粒子群算法优化双卡尔曼滤波算法的噪声协方差矩阵.依据试验数据，基于二阶电阻-电容电路（RC）模型完成参数辨识和电池荷电状态（SOC）估计.对比标准卡尔曼滤波算法与经粒子群算法优化的卡尔曼滤波算法在参数辨识和荷电状态估计方面的结果.结果表明：改进后的算法在参数辨识和荷电状态估计精度方面显著提升，且具有更强的抗干扰能力，其中参数辨识估计精度提高范围为7.9%~38.5%，荷电状态估计精度提高范围为41.0%~51.4%.

来源：2026年第1期

《江苏大学学报(自然科学版)》期刊编辑部

查看江苏大学学报(自然科学版)杂志2026年第1期