动力锂电池剩余使用寿命的预测方法研究

被引：17

作者：

侯恩广

乔昕

刘广敏

机构：

[1] 山东省科学院自动化研究所山东省汽车电子技术重点实验室

来源：

电源技术 | 2018年 / 42卷 / 10期

关键词：

动力锂电池; 剩余使用寿命; 人工神经网络模型; 预测方法;

D O I：

暂无

中图分类号：

TM912 [蓄电池];

学科分类号：

080802 [电力系统及其自动化];

摘要：

为提高动力锂电池的安全性和可靠性,引入预测与健康管理技术中的核心内容——剩余使用寿命(RUL),研究建立动力锂电池剩余使用寿命的预测方法,通过采集电流、电芯电压、温度、电池SOC、电池SOH等数据,建立基于神经网络的人工智能模型,训练模型参数,预测动力锂电池剩余使用寿命。通过仿真验证,证明该方法具有一定的先进性和可靠性。

引用

页码：1486 / 1487+1570 +1570

页数：3

共 6 条

[1]

锂离子电池寿命预测国外研究现状综述 [J].

罗伟林 ;

张立强 ;

吕超 ;

王立欣 .

电源学报, 2013, (01) :140-144

[2]

基于神经网络的中药黄芩药效评价方法研究 [J].

侯恩广 ;

李树彬 ;

李珂 ;

丁晓彦 ;

吕凌 ;

刘青 ;

赵渤年 ;

于宗渊 .

山东科学, 2011, 24 (01) :72-76

[3]

航天用锂离子电池性能评估 [J].

邹连荣 ;

韩文伟 ;

陈猛 ;

解晶莹 .

应用科技, 2007, (05) :57-60+64

[4]

A prognostics and health management roadmap for information and electronics-rich systems [J].

Pecht, Michael ;

Jaai, Rubyca .

MICROELECTRONICS RELIABILITY, 2010, 50 (03) :317-323

[5]

Prognostic modelling options for remaining useful life estimation by industry.[J].J.Z. Sikorska;M. Hodkiewicz;L. Ma.Mechanical Systems and Signal Processing.2010, 5

[6]

电子系统的故障预测与健康管理技术研究 [D].

许丽佳 .

电子科技大学,

2009

← 1 →