康恒心, 王计广, 许建忠, 谭泽飞, 李加强, 易乾坤
车用发动机. 2026, 0(1): 71-80.
针对扩展卡尔曼滤波(EKF)在车用动力电池荷电状态(SOC)估计中存在的收敛速度慢、精度不高和鲁棒性较差的问题,提出了一种基于萤火虫算法优化的双对称自适应扩展卡尔曼滤波方法(FA-DSAEKF)。在EKF算法的基础上,通过智能优化初始参数、增强算法对称性与稳定性,并实现噪声协方差矩阵的双参数自适应调整,显著提升了SOC估计性能。试验结果表明,在不同工况、温度与初始状态下,该算法均能快速稳定收敛,最大绝对误差、均方根误差和平均绝对误差均低于0.28%,收敛时间在200 s以内。相较于传统EKF算法,估计误差降低约80%,相较于DSAEKF算法,收敛速度提高83%以上,体现出优异的准确性、适应性和鲁棒性。