打包资料优化目录

这篇文章主要写一下这一次更新的几个地方，有对原来的代码及模型进行优化的部分，也有新增加的代码和模型，我就把几个比较典型的给列了出来。但是还有好多的更新没有在下面展示出来，因为一个个展示出来太复杂了。如果你对更新的内容不太感兴趣，想直接获取最新的代码。请移步到文章的末尾即可。

1.对原打包文件的bug进行优化，

将原文件名为：UKF估计SOC脚本（带UDDS工况数据）的文件夹移动到新文件夹：CSDN文章对应模型中的子文件夹：CSDN文章8对应模型及程序:无迹卡尔曼滤波估计SOC(附MATLAB程序详解），并做如下优化，之前运行偶尔会报输入参数过多的错误，如下图所示。

优化后的脚本可以直接运行，不会报错，直接运行即可得到SOC估计结果，如下图所示：

2. 修复了algrithum_soc-main文件夹不能运行的bug，修改后的新文件夹重新命名为：EKF_AEKF_HIF_PF_EKPF SOC estimate，该代码分别对比五种算法（扩展卡尔曼滤波EKF、自适应扩展卡尔曼滤波AEKF、HIF/H∞、粒子滤波PF、卡尔曼粒子滤波EKPF）在BJDST动态工况下的SOC估计效果。估计结果以及部分代码。如下图所示。

3.串联电池组短路故障诊断和状态估计研究文件夹以前是空的，现在该文件夹之下新建了一个文本文档，之前没有放进去是因为文件太大了，一个多G的容量，现在使用百度网盘链接，该链接长期有效。

4.增加一个名为：安时积分法求理论SOC的脚本及simulink模型，并对新人经常会问到的问题：“为什么可以用安时积分法作为理论值/真实值，安时积分法不是精度很差吗？”做了解答具体的解答以存储在该目录下的word文档里。计算出的SOC结果如下图所示，分别是脚本计算出来的SOC结果与模型估计出的SOC结果。

5.新增加神经网络估计SOC（MATLAB）使用四种不同神经网络/注意力机制（CNN_BILSTM_Attention CNN_GRU_Attention、CNN_LSTM、CNN LSTM Attention）来完成模型的训练用于估计SOC，文件夹命名为四种不同神经网络/注意力机制的SOC估计方法。

训练的过程及SOC的估计结果如下图所示。