机译:结构化神经网络与扩展卡尔曼滤波器确定混合动力汽车锂离子电池健康状态的比较研究
Deutsche ACCUmotive GmbH & Co. KG., Neue Stir. 95, D-73230 Kirchheim/Teck, Germany;
Deutsche ACCUmotive GmbH & Co. KG., Neue Stir. 95, D-73230 Kirchheim/Teck, Germany;
Deutsche ACCUmotive GmbH & Co. KG., Neue Stir. 95, D-73230 Kirchheim/Teck, Germany;
Rheinisch Westfaelische Technische Hochschule Aachen, Jaegerstr. 17, D-52066 Aachen, Germany;
Structured neural networks; Extended Kalman filter; Lithium-ion batteries; Hybrid electric vehicle; State of health; Internal resistance estimation;
机译:基于电动车辆锂离子电池的强力跟踪 - 双自适应扩展卡尔曼滤波器算法的充电和健康状况的新颖联合估计方法
机译:基于数据驱动的多尺度扩展卡尔曼滤波的电动汽车锂离子聚合物电池参数及状态估计方法
机译:基于扩展卡尔曼滤波的电动汽车锂离子电池充电状态估计
机译:使用扩展卡尔曼滤波的电动汽车锂离子电池充电状态估计的新方法
机译:扩展卡尔曼滤波器和滑模观测器用于确定绕L(2)Lagrange点飞行的轨道的比较研究。
机译:具有交互作用的无模型卡尔曼滤波器(IMM-UKF)算法和灰色神经网络的具有成本效益的车辆定位解决方案
机译:卡尔曼滤波器与电池质量估算中的神经网络相比:比较研究