(23)

(5)　卡尔曼增益

(24)

(6)　更新状态均值和协方差

(25)

(26)

基于高斯过程的无迹卡尔曼模型是融合物理模型和数据模型的高精度滤波模型。利用高斯过程学习UKF的测量方程，提出一种新的锂离子电池SOC估计方法。特别是当测量模型不准确的情况下，融合高斯过程回归和无迹卡尔曼滤波算法更优于参数模型。同时基于GPR的UKF模型有效减少卡尔曼滤波算法的复杂度，且具有较高的估计精度。基于高斯过程回归的无迹卡尔曼滤波算法流程图如图3所示。