62、工业与PDE系统控制技术：电池荷电状态估计与非线性波PDE动力学控制

工业与PDE系统控制技术：电池荷电状态估计与非线性波PDE动力学控制

1. 移动机械臂控制输入测试

在移动机械臂的控制测试中，对机器人车辆和机械臂分别施加了不同的控制输入。测试4包含两部分，(a) 部分展示了施加于移动机械臂机器人车辆的控制输入 u1、u2 和 u3；(b) 部分则是施加于机械臂的控制输入 u4 和 u5。这些控制输入在不同时间点的取值变化，反映了对移动机械臂不同部件的控制策略。

2. 电动汽车电池荷电状态估计

2.1 荷电状态估计的重要性

准确估计电动汽车电池的荷电状态（State of Charge，SOC）至关重要。一方面，它有助于实现车辆的可靠运行，优化充电过程，减少充电频率和充电时间。另一方面，对于无人驾驶车辆（如移动机器人、无人机或水下航行器）的自主运行以及生物医学应用也具有重要意义。与通过积分电池输出电流来监测电池电荷的方法相比，SOC 估计更具优势。因为电流测量可能存在误差，且积分过程会累积这些误差，同时该方法还需要准确的初始条件，否则会引入额外的误差。

2.2 荷电状态估计技术分类

主要分为无模型和基于模型的两类技术：
- 无模型技术 ：假设对电池电路的动态模型没有先验知识，通过黑箱类型的估计器（如神经网络）处理电池电路的原始输入 - 输出数据，以最小二乘法进行估计。
- 基于模型的技术 ：利用基尔霍夫电流和电压定律，为电池电路的元件（电阻、电容和电压源）赋予标称值，从而建立电池的动态模型。此外，还可以使用非线性观测器通过电流或电压测量来估计 SOC，也可以将模型纳入卡尔曼滤波器的