1.一种抗野值鲁棒无迹卡尔曼滤波的动力电池SOC估计方法，其特征在于，包括如下步骤：步骤1：利用复合模型方法结合安时法设计动力电池的状态和观测方程，确定车载电池的模型方程，建立电池等效模型；

步骤2：进行模型参数辩识，递推最小二乘法辨识电池模型观测试方程的相关参数，系统输入量为持续激励，辩识迭代次数使最终结果收敛并趋于稳定；

步骤3：采用改进的抗野值鲁棒无迹卡尔曼滤波算法对电池SOC进行估计。

2.如权利要求1所述的一种抗野值鲁棒无迹卡尔曼滤波的动力电池SOC估计方法，其特征在于，步骤1中，建立电池等效模型，包括如下步骤：结合安时计量法设计状态方程，引入了环境温度和充放电倍率比例因子，得到电池模型的状态方程；

采用状态观测复合模型将电池SOC作为非线性系统的唯一状态变量，得到电池观测模型方程；

若在电池的采集数据序列中存在野值干扰情况下，采用归一化受污染正态分布模型，用两个归一化的加权正态分布来逐次逼近可能具有野值的测量噪声的误差分布，将野值看作是一个相对于正态分布拖尾更大的误差分布。

3.如权利要求2所述的一种抗野值鲁棒无迹卡尔曼滤波的动力电池SOC估计方法，其特征在于，结合安时计量法设计状态方程，引入了环境温度和充放电倍率比例因子，电池模型的状态方程如下：其中：xk为k时刻的SOC值；

ik为k时刻采样得到的电池电流值；

η为充电效率；

C为电池的额定总容量；

Δt为采样周期；

假定wk为满足正态分布的高斯白噪声，即wk～N(0,Qk)，Qk为状态噪声方差阵。

4.如权利要求2所述的一种抗野值鲁棒无迹卡尔曼滤波的动力电池SOC估计方法，其特征在于，采用状态观测复合模型将电池SOC作为非线性系统的唯一状态变量，得到电池观测模型方程如下：其中：Eo为电池开路电压；

RΩ为电池内阻；

k1、k2、k3、k4为拟合系数；

yk为k时刻采样得到的电池端电压。

5.如权利要求2所述的一种抗野值鲁棒无迹卡尔曼滤波的动力电池SOC估计方法，其特征在于，若在电池的采集数据序列中存在野值干扰情况下，采用归一化受污染正态分布模型，用两个归一化的加权正态分布来逐次逼近可能具有野值的测量噪声的误差分布，将野值看作是一个相对于正态分布拖尾更大的误差分布，将观测方程中的测量噪声vk分布定义为：vk～a1N(0,Rk,1)+a2N(0,Rk,2)   (3)其中：a1、a2和Rk,1、Rk,2均为已知参数，a1+a2＝1，通常取a2∈(0,0.15)；

测量电压方差 设定后，取

6.如权利要求1所述的一种抗野值鲁棒无迹卡尔曼滤波的动力电池SOC估计方法，其特征在于，步骤2中，进行模型参数辩识，利用公知的递推最小二乘法辨识电池观测模型方程的模型参数，针对电池观测模型方程的观测方程，递推计算公式如下：待估参数向量

最小二乘形式yk＝HTθ+e(k)；

e(k)为误差函数。

7.如权利要求1所述的一种抗野值鲁棒无迹卡尔曼滤波的动力电池SOC估计方法，其特征在于，步骤3中，采用改进的抗野值鲁棒无迹卡尔曼滤波算法对电池SOC进行估计，包括如下步骤：(1)状态和协方差初始化，设置算法起始标志位ST＝1：(2)计算采样点其对应加权系数；

(3)状态及协方差预测：

(4)测量预测：

(5)计算状态与测量预测互协方差：(6)计算系统观测残差信息：

(7)计算对应Rk,i的信息协方差：(8)利用Bayes定理，递推估计后验概率为：ak,2＝1-ak,1   (15)；

其中：ak,1和ak,2分别为yk序列中的正常值和野值测量的后验加权概率；

(9)判断起始标志位ST是否为1；

1)若ST等于1，说明算法处于估计初始阶段；

2)若ST不等于1，说明算法已经跟踪到目标，切换到抗野值模式；

(10)状态更新：

(11)判断时间迭代是否完成，如果是则结束算法，如果否则返回步骤(2)。

8.如权利要求7所述的一种抗野值鲁棒无迹卡尔曼滤波的动力电池SOC估计方法，其特征在于，计算采样点对应加权系数，采用SVD分解方法计算Sigma点，采样策略为：Pk-1＝Uk-1Sk-1Vk-1   (6)根据输入变量的统计信息，采用Sigma点对称采样策略所对应的一阶及二阶加权系数为：其中：β为状态分布参数；

α(0≤α≤1)表示点集到均值点的距离；

λ＝α2(n+ε)-n为尺度调节因子；

ε为次级尺度调节因子。

9.如权利要求7所述的一种抗野值鲁棒无迹卡尔曼滤波的动力电池SOC估计方法，其特征在于，判断起始标志位ST是否为1，包括如下步骤：

1)若ST等于1，算法处于估计初始阶段；

a.在引阶段引入基于强跟踪滤波原理的次优渐消因子，在线调节系统增益矩阵，迫使输出残差序列相互正交，使滤波器具有自适应跟踪状态变化的能力，定义残差方阵；

b.修正预测协方差；

c.计算Kalman增益；

d.协方差更新；

e.判断检测系统残差信息ζk的绝对值是否小于设定的阈值ε，若成立则说明已经跟踪到目标，将ST置为0；

2)若ST不等于1，算法已经跟踪到目标，切换到抗野值模式；

a.修正滤波器Kalman增益；

b.修正协方差。

10.如权利要求9所述的一种抗野值鲁棒无迹卡尔曼滤波的动力电池SOC估计方法，其特征在于，判断起始标志位ST是否为1，包括如下步骤：

1)若ST等于1，算法处于估计初始阶段；

a.在引阶段引入基于强跟踪滤波原理的次优渐消因子，在线调节系统增益矩阵，迫使输出残差序列相互正交，使滤波器具有自适应跟踪状态变化的能力，残差方阵定义如下：其中：ρ为遗忘因子；

次优渐消因子形式如下：

b.修正预测协方差为：

其中：强跟踪阶段观测噪声方差阵Rk为正态分布；

c.计算Kalman增益

d.协方差更新

e.判断检测系统残差信息ζk的绝对值是否小于设定的阈值ε，若成立则说明已经跟踪到目标，将ST置为0；

2)若ST不等于1，算法已经跟踪到目标，切换到抗野值模式；

a.滤波器Kalman增益修正为：滤波增益修正为Kalman增益矩阵的加权和，加权为估计的后验概率ak,i；

b.修正协方差为：