一种基于自适应扩展卡尔曼滤波的燃料电池健康状态估计方法及系统

本发明涉及一种基于自适应扩展卡尔曼滤波的燃料电池健康状态估计方法及系统。该发明首先基于极化曲线，利用遗传算法进行参数辨识，得到初始参数；再考虑欧姆电阻老化和极限电流密度老化，基于初始参数，建立半经验老化公式，并将半经验老化公式离散化，得到状态空间；然后设置初值，利用初值和状态空间共同构建卡尔曼滤波器模型，在该模型中融入时间更新、滤波测量更新和自适应更新，得到自适应扩展卡尔曼滤波器模型；将燃料电池电压序列输入自适应扩展卡尔曼滤波器模型中，输出燃料电池当前预测点位的额定电压；最终根据当前预测点位的额定电压，计算求得燃料电池的健康度。与现有技术相比，本发明具有准确性高、鲁棒性强等优点。