arXiv Systems and Control · Engineering Energy· Farzaneh Barat, Rachel Carter, Sara Wilson, Huijeong Kim, Xinfan Lin, Huazhen Fang·· 3 小时前AI 评分31
基于集合卡尔曼反演的非线性随机状态空间模型系统辨识及其在锂离子电池上的应用
System Identification for Nonlinear Stochastic State-Space Models Using Ensemble Kalman Inversion with Application to Lithium-Ion Batteries
AI 导读
研究提出基于集合卡尔曼反演（EnKI）的非线性随机状态空间模型辨识方法，通过连续局部高斯近似做最大后验参数估计，并结合状态估计实现参数辨识与隐状态恢复。在含10个状态变量、18个未知参数的锂离子电池模型上，EnKI 表现出较高的辨识精度与参数搜索的经验稳定性。进一步提出的级联 EnKI（CasEnKI）方法按子数据集顺序同化，实验显示其在大规模电池数据集上具有计算效率与可扩展性。
来源：arXiv Systems and Control · Engineering Energy · arxiv.org