估计装置以及估计方法
【专利说明】
[0001] 相关申请的夺叉引用
[0002] 本申请主张日本专利申请2013-184483号（2013年9月5日申请）的优先权，该 申请的所有公开内容作为参照而被引入。
技术领域
[0003] 本发明涉及估计电池等的内部状态量的估计装置以及估计方法。
【背景技术】
[0004] 以往，为了对作为被搭载在电动车等的电池的内部状态量的充电状态（SOC:State OfCharge)以及参数等进行估计而使用卡尔曼滤波。由于电池的内部状态量由非线性的模 型表示，因此为了估计电池的内部状态量而使用非线性卡尔曼滤波。具体而言，提出使用了 扩展卡尔曼滤波（EKF:ExtendedKalmanFilter)的估计技术（专利文献1等）以及使用 了无迹卡尔曼滤波（UKF:UnscentedKalmanFilter)的估计技术（专利文献2等）。
[0005] 在先技术文献
[0006] 专利文献
[0007] 专利文献1 :日本专利文献特表2008-519977号公报；
[0008] 专利文献2 :日本专利文献特表2009-526220号公报。
【发明内容】
[0009] 发明所要解决的问题
[0010] 使用了EKF的估计技术通过一个代表点对系统进行线性化，在作为估计的对象的 系统具有单纯的非线性的情况下，即在非线性弱的情况下，能够以比较少的计算量进行高 精度的估计。但是，在作为估计的对象的系统具有复杂的非线性的情况下，即在非线性强的 情况下，基于一个代表点进行线性化是不够的，估计精度会恶化。
[0011] 另一方面，由于使用了UKF的估计技术生成多个代表点（Sigma点）而进行估计， 因此即使在具有复杂的非线性的情况下，即在非线性强的情况下，也能够进行高精度的估 计。但是，在使用了UKF的估计技术中，由于对各Sigma点分别进行计算，因此增加计算负 荷。
[0012] 因此，鉴于上述的问题点而完成的本发明的目的在于：提供一种估计装置以及估 计方法，所述估计装置以及估计方法在电池的内部状态量等的、非线性系统中的内部状态 量的估计中，能够抑制计算负荷，并且提高估计精度。
[0013] 解决问题的手段
[0014] 为了解决上述问题，权利要求1所述的本发明所涉及的估计装置是使用非线性卡 尔曼滤波来估计非线性系统中的内部状态量，其特征在于，
[0015] 所述非线性卡尔曼滤波包括：预先估计预测阶段，所述预先估计预测阶段基于所 述非线性系统所涉及的状态方程式计算出预先状态估计值以及状态的预先协方差矩阵；以 及预先估计更新阶段，所述预先估计更新阶段基于所述非线性系统所涉及的输出方程式计 算出预先输出估计值、输出的协方差矩阵、以及状态和输出的互协方差矩阵，
[0016] 所述估计装置通过EKF进行所述预先估计预测阶段或者所述预先估计更新阶段 中的任一个阶段，通过UKF进行另一个阶段。
[0017] 另外，权利要求2所述的估计装置的特征在于，在权利要求1所述的估计装置中， 基于所述状态方程式以及所述输出方程式，通过EKF进行与非线性弱的方程式对应的阶 段。
[0018] 另外，权利要求3所述的估计装置的特征在于，在权利要求1所述的估计装置中， 基于所述状态方程式以及所述输出方程式，通过UKF进行与非线性强的方程式对应的阶 段。
[0019] 另外，权利要求4所述的估计装置的特征在于，在权利要求1所述的估计装置中， 所述非线性系统是电池，所述内部状态量包括所述电池的S0C，通过UKF进行所述预先估计 预测阶段，通过EKF进行所述预先估计更新阶段。
[0020] 另外，权利要求5所述的估计方法使用非线性卡尔曼滤波来估计非线性系统中的 内部状态量，其特征在于，所述非线性卡尔曼滤波包括：预先估计预测阶段，所述预先估计 预测阶段基于所述非线性系统所涉及的状态方程式计算出预先状态估计值以及状态的协 方差矩阵；以及预先估计更新阶段，所述预先估计更新阶段基于所述非线性系统所涉及的 输出方程式计算出预先输出估计值、输出的协方差矩阵、以及状态和输出的互协方差矩阵，
[0021] 所述估计方法通过EKF进行所述预先估计预测阶段或者所述预先估计更新阶段 中的任一个阶段，通过UKF进行另一个阶段。
[0022] 发明效果
[0023] 根据本发明的权利要求1所述的估计装置，通过EKF进行预先估计预测阶段或者 预先估计更新阶段中的任何一个阶段，通过UKF进行另一个阶段。由此，能够抑制在通过 EKF进行计算的阶段中的计算负荷，并且提高通过UKF进行计算的阶段中的估计精度。
[0024] 另外，根据本发明的权利要求2所述的估计装置，通过EKF进行与非线性弱的方程 式对应的阶段。由此，关于与非线性弱的方程式对应的阶段，能够通过使用EKF而抑制计算 负荷并维持一定的估计精度。
[0025] 另外，根据本发明的权利要求3所述的估计装置，通过UKF进行与非线性强的方程 式对应的阶段。由此，关于与非线性强的方程式对应的阶段，能够通过使用UKF而有效提高 估计精度。
[0026] 另外，根据本发明的权利要求4所述的估计装置，在估计包含电池的S0C的内部状 态量时，通过UKF进行预先估计预测阶段，通过EKF进行预先估计更新阶段。这里，电池的 内部状态量所涉及的状态方程式的非线性强，输出方程式的非线性弱。因此，关于非线性弱 的预先估计阶段，通过使用EKF而能够抑制计算负荷并维持一定的估计精度，并且，关于非 线性弱的预先估计更新阶段，通过使用UKF而能够有效提高估计精度。
[0027] 另外，根据本发明的权利要求5所述的估计方法，通过EKF进行预先估计预测阶段 或者预先估计更新阶段中的任何一个阶段，通过UKF进行另一个阶段。由此，能够抑制通过 EKF进行计算的阶段中的计算负荷，并且提高通过UKF进行计算的阶段中的估计精度。
【附图说明】
[0028] 图1是示出卡尔曼滤波的各阶段的示意图；
[0029] 图2是本发明的实施例1所涉及的估计装置的框图；
[0030] 图3是示出电池的等效电路的图；
[0031] 图4是示出S0C-0CV特性的曲线图；
[0032] 图5是示出本发明的实施例1所涉及的估计装置的动作的流程图；
[0033] 图6的（a)~（e)是通过估计装置进行估计的对象的系统所涉及的测量数据；
[0034] 图7的（a)~（f)是基于本发明的实施例1所涉及的估计装置的估计结果的数 据；
[0035] 图8的（a)~（f)是基于EKF的估计结果的参考数据；
[0036] 图9的（a)~（f)是基于UKF的估计结果的参考数据。
【具体实施方式】
[0037] 下面，对本发明的实施方式进行说明。
[0038] (实施方式）
[0039] 图1是示出本发明的实施方式所涉及的估计装置中所使用的非线性卡尔曼滤波 的各阶段的示意图。如图1所示，能够将非线性卡尔曼滤波分为初始化阶段、预先估计预测 阶段、预先估计更新阶段、事后估计阶段来考虑。作为本发明的概要，聚焦于非线性卡尔曼 滤波中的预先估计预测阶段和预先估计更新阶段是分别独立的阶段，并且，其特征在于，通 过EKF进行这些两个阶段中的一个，通过UKF进行另一个。这里，由于在本发明中混合了EKF 以及UKF的两个非线性卡尔曼滤波，因此将本发明的该非线性卡尔曼滤波称为混合卡尔曼 滤波（MKF:MixedKalmanFilter)
[0040] 关于通过EKF或者UKF中的哪一个来进行上述两个各阶段，则基于与预先估计预 测阶段以及预先估计更新阶段分别对应的状态方程式以及输出方程式的非线性的强度。在 这些方程式中，由UKF进行与非线性强的方程式对应的阶段。另一方面，在这些方程式中， 由EKF进行与非线性弱的方程式的阶段对应。例如，在状态方程式的非线性强、输出方程式 的非线性弱的情况下，