در این پروژه از الگوریتمهای هوشمند نظیر شبکه های عصبی برای مدل سازی، فیلتر کالمن توسعه یافته برای تخمین حالت شارژ و نیز منطق فازی برای کنترل حالت شارژ باتری در محدوده مشخص استفاده می گردد، که در این صورت علاوه بر شارژ سریع باتری از فراشارژ شدن آن و درنتیجه صدمه زدن به باتری جلوگیری می گردد. گفتنی است که الگوریتمهای مورد استفاده نسبت به تغییر پارامترهای باتری مقاوم اند و لذا در تمام مدت کارکرد باتری تخمین خوب و کنترل مناسبی را انجام می دهند. برای پیاده سازی، ابتدا مدار واسطی طراحی شد که بتواند داده های موردنظر را با نرخ مطلوب نمونه برداری کند و از طریق درگاه پیاپی به رایانه بفرستد و نیز سیگنال کنترلی را که کنترل کننده فازی درون رایانه تولید می کند از همان درگاه دریافت و محقق نماید و به راه انداز شارژ باتری اعمال کند. نرم افزار به کار رفته برای پیاده سازی الگوریتمهای تخمین، کنترل فازی و نیز ارتباط با سخت افزار با استفاده از زبان برنامه نویسی visual c++ نوشته شده است. تمام آزمایشات عملی بر روی باتری لیتیوم- یون با ظرفیت نامی 5/1 آمپرساعت و ولتاژ نامی 7/3 ولت و شرایط دمایی آزمایشگاه انجام یافته است. دلیل استفاده از باتری لیتیوم- یون آن است که باتری مذکور یکی از متداول ترین باتری ها در کاربردهای صنعتی، مانند: خودروهای الکتریکی ترکیبی، نیروگاه های خورشیدی، زیردریایی ها و ماهواره ها است. نتایج عملی به دست آمده با استفاده از کنترل کننده هوشمند طراحی شده، با شارژکننده تجارتی موجود در بازار نیز مقایسه شده است و نتایج به دست آمده نشان می دهد که کنترل کننده هوشمند در مقایسه با شارژکننده تجارتی دارای سرعت شارژ بالا همراه با حفظ حالت شارژ مطلوب است.

در این رساله طراحی و پیاده سازی تخمینگر حالت مقاوم به روش فازی-تطبیقی برای سیستم دینامیکی ارایه شده است. برای این منظور، مدل دینامیکی خطی عمومی برای سیستم ارایه می شود که در آن برخی از متغیرهای سیستم، آزاد هستند. چنین متغیرهای آزاد در مدل سازی سیستم های غیر خطی، متغیر با زمان و یا به عبارتی دیگر وابسته به حالت های سیستم هستند و در نتیجه با استفاده از سیستم های فازی تطبیقی مدل می شوند که دارای پارامترهای آزاد هستند. لذا، ورودی سیستم های فازی تطبیقی یاد شده، متغیرهای حالت سیستم است. نوآوری این تحقیق عبارت از طراحی تخمینگر دوگان است که تخمین همزمان بردار حالت سیستم و شناسایی بردار پارامترهای سیستم فازی تطبیقی را بر اساس معیار h? به دست می دهد که دارای تضمین پایداری است. همچنین، نشان داده می شود که تخمینگر پارامتر به دست آمده، صورتی از الگوریتم حداقل میانگین مربعات نرمالیزه شده است که از معیار h? پیروی می کند و پارامترهای مورد نیاز آن برای تنظیم اولیه فیلتر تقلیل یافته و دارای درجه محاسباتی کمتری است. مدل پیشنهادی قابل کاربرد در پردازش سیگنال مانند سری های زمانی و سیگنال صحبت یا مدلسازی مدارات غیر خطی است. در نهایت الگوریتم پیشنهادی روی داده های واقعی به دست آمده از باتری برای تخمین حالت شارژ باتری پیاده سازی می شود. نتایج، نشان دهنده پایداری، کارآیی مناسب، مقاوم بودن و پاسخ سریع الگوریتم پییشنهادی به ویژه در شرایط اولیه دور از واقعیت است. برای مقایسه نیز روش پیشنهادی با تخمینگری که در آن متغیرهای آزاد شناسایی شده به صورت تطبیقی تغییر نمی کنند، مقایسه شده است.