一种基于强跟踪自适应无迹卡尔曼滤波的电池荷电状态估计方法

本发明提出了一种基于强跟踪自适应无迹卡尔曼滤波的电池荷电状态估计方法，包括以下步骤：生产状态向量Sigma点集及相应权值；更新状态矩阵和协方差矩阵；第二次Sigma点集对应状态矩阵；更新测量矩阵；更新计算；若有紧急/突发情况发生，则计算强跟踪系数，并返回更新状态矩阵和协方差矩阵；若无紧急/突发情况发生，则计算卡尔曼滤波增益系数，并更新状态矩阵和协方差矩阵并输出，然后判断循环是否结束；若循环结束，则整个流程结束；若循环未结束，更新噪声矩阵，并返回生成状态向量Sigma点集及相应权值。本发明由ST算法和A‑UKF算法组成，在环境发生改变的情况下ST‑A‑UKF算法可以提高跟踪真实的电池SOC值能力，具有鲁棒性好、适应性强以及较好收敛性。