张 丽，王顺利，陈 蕾，苏 杰，谢滟馨

（西南科技大学 信息工程学院，绵阳 621010）

0 引言

小型电动无人机由于其体积小、重量轻、机动灵活和成本低等特点，广泛应用于军事和民用方面[1]。动力电池是小型无人机最关键部分。锂电池因具有自放电率低、能量密度高和使用寿命长等优点成为小型无人机的首选电源。于是管理小型无人机动力锂电池成为必要，而管理锂电池的最核心内容之一是对锂电池SOC进行估算。

电池的SOC是指电池的剩余容量与其完全充电状态的容量的比值。它不能被直接测量，只能通过测量电池的电流和电压等物理量来估算SOC。因为实际应用中传感器测量到的电压、电流等数据都受到噪声的污染，而传统的SOC估算方法如安时积分法、开路电压法等估算方法对降低噪声效果不理想，所以存在误差大，难以实时估算电池的SOC等缺点。

卡尔曼滤波算法[2]是处理噪声的利器。经典卡尔曼适用于线性领域。小型无人机锂电池SOC是一种非线性系统，经典卡尔曼滤波算法不适用，因此本文采用扩展卡尔曼算法对电池SOC进行估算。

通过搭建小型无人机锂电池测试平台，将本文的算法进行了实验应用测试，验证了该算法的有效性。结果表明，该方法可使状态估计值具有较小的误差和快速跟随性，基本满足了对小型无人机锂电池SOC估计的需求。

1 理论分析

1.1 锂电池状态模型及其参数辨识研究

精确的电池模型对电池的SOC估算至关重要。目前常用的电池模型有电化学模型[3]、人工神经元网络模型[4]、等效电路模型等。……