传统无迹卡尔曼滤波(UKF)算法在估算锂离子动力电池荷电状态(SOC)时,常会出现由于电池模型参数不准确和无法预先获取噪声统计特性而使得估算误差增大的问题。针对这些问题,这里提出一种改进的自适应无迹卡尔曼滤波算法(AUKF)该算法通过扩充状态变量法来实现欧姆内阻在线更新,以此提高电池模型精度,并根据实时SOC估计值与真实值的误差,构造滑模观测器实现系统噪声和观测噪声的更新,降低未知噪声的干扰,最后通过不同温度下复杂工况实验,验证了新算法的估计精度和稳定性。

对锂电池荷电状态(state of charge,SOC)进行准确地估算十分重要。由于SOC呈非线性特征,并且受多种因素的动态影响,准确估计困难。本文利用高斯-厄米特滤波(Gauss-Hermite filter,GHF)的思想,结合Thevenin等效电路模型,提出一种自适应高斯-厄米特滤波(adaptive Gauss-Hermite filter,AGHF)算法对SOC实时估计更新。利用MATLAB/Simulink建立仿真模型,并与扩展卡尔曼滤波(extended Kalman filter,EKF)算法及传统的高斯-厄米特滤波算法相比较。通过分析对比可以发现该算法的估算精度较高,可以有效地控制滤波发散。

在焦炉生产过程中会产生大量高温含尘烟气,其中推焦过程中出焦侧上方的污染排放最为严重。为研究不同结构导烟板对高温烟尘扩散规律的影响,解决焦炉出焦侧导烟板两侧烟尘逸出现象,对原有的直型导烟板进行优化,参考Aaberg排风罩的理论分析与实验研究,设计了弧型和折型导烟板,运用计算流体动力学软件对三种结构导烟板的导流作用进行数值模拟,并对大型焦炉出焦侧上方的工况进行了分析,搭建了三种结构的物理模型,利用实验结果来验证数值模型的有效性。研究表明在相同初始速度和初始温度工况下,弧型导烟板能有效的减少高温烟尘从两侧的逸出,效果最好;而折型挡烟板的导流作用强于直型导烟板。