针对6轮足机器人动力电池的荷电状态(state of charge, SOC)估计精度低、电池模型准确度不高等问题，提出一种基于带遗忘因子的递推最小二乘(recursive least squares with forgetting factor，FFRLS)与自适应扩展卡尔曼滤波(adaptive extended Kalman filtering，AEKF)相结合的估计算法。首先通过FFRLS算法辨识建立动力电池等效模型参数；然后利用AEKF对SOC在线估计，并为参数辨识提供准确的开路电压；最后以机器人锂电池包为对象，在动态应力测试工况(dynamic stress test , DST)下实验验证了该算法可以准确地估算动力电池SOC，SOC估计相对误差在2.5%以内。
PDF全文下载地址：http://journal.bit.edu.cn/zr/article/exportPdf?id=98c074ff-b52b-477a-919a-76e4abc62ccd