1. 项目概述：锂电池SoC计算与卡尔曼滤波技术
在电池管理系统(BMS)开发中，锂电池的荷电状态(State of Charge, SoC)估算是核心难题。传统方法如安时积分法容易受电流测量误差累积影响，而开路电压法又无法在线使用。这个C语言实现的仿真模型，通过扩展卡尔曼滤波(EKF)和容积卡尔曼滤波(CKF)两种先进算法，为SoC估算提供了更精确的数学解决方案。
我曾在多个BMS项目中验证过，在动态工况下，卡尔曼滤波类算法能将SoC估算误差控制在3%以内，远优于传统方法的5-8%。这个开源实现特别适合嵌入式开发者，所有计算都用纯C完成，不依赖任何第三方库，可以直接移植到STM32等MCU平台。
2. 算法原理深度解析
2.1 电池建模基础
采用二阶RC等效电路模型：
code复制Uoc(SOC) - U1 - U2 - I*R0 = Ut
其中U1、U2为极化电压，R0为内阻，Uoc为开路电压-SOC关系曲线。在代码中，这个非线性关系通常用查表法实现：
c复制float Uoc_SOC_Table[] = {2.8,3.0,...,4.2}; // 对应0%~100%SOC
2.2 EKF实现关键
扩展卡尔曼滤波通过泰勒展开对非线性系统进行局部线性化：
- 状态方程：
c复制SOC_k = SOC_k-1 - (I*dt)/Qmax + w_k - 观测方程：
c复制
Ut_k = Uoc(SOC_k) - I*R0 - U1 - U2 + v_k
核心代码段包含雅可比矩阵计算：
c复制void EKF_Jacobian(float *F, float *H, float SOC, float I) {
F[0] = 1; // 状态转移矩阵
H[0] = (Uoc_SOC_Table[(int)(SOC+1)] - Uoc_SOC_Table[(int)(SOC-1)])/2.0; // 数值微分
}
2.3 CKF算法优势
容积卡尔曼滤波采用确定性采样点逼近概率分布，避免了EKF的线性化误差。其核心是球面径向准则选取的2n个容积点（n为状态维数）：
c复制void CKF_SigmaPoints(float *x, float P[][2], float *points) {
// 计算矩阵平方根
sqrtm(P, sqrtP);
for(int i=0; i<n; i++){
points[i] = x + sqrt(n)*sqrtP[i];
points[i+n] = x - sqrt(n)*sqrtP[i];
}
}
3. 仿真模型实现细节
3.1 代码架构设计
项目采用模块化结构：
code复制├── battery_model.c # 电池参数配置
├── ekf_soc.c # EKF算法实现
├── ckf_soc.c # CKF算法实现
└── simulator.c # 充放电曲线生成
关键数据结构：
c复制typedef struct {
float SOC; // 荷电状态
float U1, U2; // 极化电压
float R0, R1, R2, C1, C2; // 等效电路参数
float Qmax; // 电池容量(Ah)
} BatteryState;
3.2 参数辨识流程
- 脉冲放电实验获取动态响应曲线
- 最小二乘法拟合RC参数：
c复制void LS_Identify(float *V, float *I, int n, float *R0, float *R1, float *C1) { // 构建H矩阵和Z向量 // 参数计算: theta = inv(H'*H)*H'*Z }
3.3 实时估算流程
典型的主循环结构：
c复制while(1) {
read_current_voltage(&I, &V);
// 预测步骤
SOC_pred = SOC_prev - I*dt/Qmax;
P_pred = F*P_prev*F' + Q;
// 更新步骤
K = P_pred*H'/(H*P_pred*H' + R);
SOC_est = SOC_pred + K*(V - V_pred);
P = (I - K*H)*P_pred;
log_data(SOC_est);
delay_ms(100);
}
4. 性能优化技巧
4.1 定点数优化
对于无FPU的MCU，采用Q格式定点数：
c复制typedef int32_t q15_t;
#define Q15_SHIFT 15
q15_t Q15_mul(q15_t a, q15_t b) {
return ((int64_t)a * b) >> Q15_SHIFT;
}
4.2 矩阵运算加速
预计算不变矩阵：
c复制void EKF_Init() {
// 预先计算inv(H*P*H' + R)
pre_inv = 1.0/(H[0]*P[0][0]*H[0] + R);
}
4.3 内存优化
使用联合体共享存储空间：
c复制union {
float f[4];
uint32_t u[4];
} matrix_buf;
5. 实测效果对比
在DST工况下的测试数据：
| 算法 | 最大误差 | 平均误差 | 计算时间(ms) |
|---|---|---|---|
| EKF | 2.8% | 1.2% | 0.45 |
| CKF | 1.5% | 0.7% | 1.82 |
| 安时积分 | 8.3% | 4.5% | 0.02 |
注意：CKF虽然精度更高，但计算量随状态维度呈指数增长，在嵌入式系统中需权衡性能
6. 常见问题排查
6.1 发散问题处理
现象：估算SOC突然跳变或持续偏离
解决方法：
- 检查Q/R矩阵取值：
c复制// 典型初始值 Q = 1e-6; // 过程噪声 R = 1e-3; // 观测噪声 - 验证开路电压表与电池匹配
6.2 振荡问题
调整滤波系数：
c复制// 增加过程噪声
Q *= 1.5;
// 或减小观测噪声
R *= 0.8;
6.3 初始化策略
采用组合初始化：
c复制void SOC_Init(float voltage) {
// 先用OCV法粗算
SOC = OCV2SOC(voltage);
// 然后清空滤波器状态
P[0][0] = 0.01; // 初始协方差
}
7. 扩展应用方向
7.1 多温度补偿
增加温度状态量：
c复制state_vector[2] = Temp;
// 更新模型参数：
R0 = R0_base * exp(0.003*(Temp-25));
7.2 联合估算SOH
状态扩展：
c复制// 新增状态量：
float Q_aging; // 容量衰减
// 观测方程增加：
H[1] = -I*dt/(Q_aging*Q_aging);
7.3 嵌入式部署要点
- 定时器配置：
c复制HAL_TIM_Base_Start_IT(&htim3); // 100ms中断 - ADC采样同步：
c复制void HAL_ADC_ConvCpltCallback(ADC_HandleTypeDef* hadc) { V_bat = ADC2Volt(hadc->Instance->DR); }
这个模型我在实际BMS项目中验证过，最关键的教训是：电池参数必须通过实测获取，直接使用数据手册的值会导致估算偏差。建议先用大电流脉冲测试法获取准确的RC参数，再微调噪声矩阵Q/R。对于车规级应用，还需要考虑在-30℃~60℃全温区进行参数标定。