田茂飞，安治国，陈 星，赵 琳，李亚坤，司 鑫

（重庆交通大学机电与车辆工程学院，重庆400074）

由于环境污染带来的严峻挑战和不可再生化石燃料的逐渐枯竭，电动汽车已经成为全球汽车行业最重要的发展方向之一。与传统燃料汽车相比，节能环保是电动汽车最突出的优势，然而，电池技术仍然是制约电动汽车发展的主要因素之一[1]。

锂电池因具有高功率、高能量密度等特点而得到了广泛的应用[2]。由于电池SOC是不可直接测量的，其实时值的精确估计成为防止由于电池过充或过放引起的潜在问题和爆炸风险的关键问题之一[3]。电池技术水平的提高，是保证电动汽车电池安全、可靠、能量得到高效利用的关键。

在国内外研究中，安时积分法（AH）[4]和开路电压法（OCV）[5]是最基本的估计方法，安时法对测量精度要求较高，误差无法消除且随时间推移会越来越大；开路电压法需要长时间静置，不适用于汽车的实时在线估计；神经网络等[6-7]智能算法能有效地提高估计精度，但需要以大量的实验数据作为基础，对训练数量和质量都有较高的要求，要应用到实际中还有一定困难；扩展卡尔曼滤波算法（EKF）[8]是目前比较成熟且有效的方法，但该方法只适用于线性系统，故而需要进行离散化处理或改进。

本文在EKF的基础上进行改进，通过数学方法令噪声方差随系统自适应地调整（即自适应扩展卡尔曼滤波，AEKF），以避免扩展卡尔曼滤波中固定的噪声方差取值对估计结果产生影响这一缺陷，从而实现滤波精度与算法收敛性的双重提高。……