基于CPSO-RVM的锂电池剩余寿命预测方法

被引：35

作者：

张朝龙 ^{[1
,2
]}

何怡刚 ^{[2
]}

袁莉芬 ^{[2
]}

机构：

[1] 安庆师范大学物理与电气工程学院

[2] 合肥工业大学电气与自动化工程学院

来源：

系统仿真学报 | 2018年 / 30卷 / 05期

基金：

国家重点研发计划; 安徽省自然科学基金;

关键词：

锂电池; 剩余寿命; 健康状况; 小波降噪; 相关向量机; 混沌粒子群;

D O I：

10.16182/j.issn1004731x.joss.201805040

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：

针对锂电池健康状况测量数据中经常伴随着各种类型及大小的噪声,本文提出了一种基于小波去噪和混沌粒子群-相关向量机的锂电池剩余寿命预测方法。执行小波二次降噪,削弱测量数据中的大噪声信号及消除测量数据中的小噪声信号,从而提取原始数据;将经混沌粒子群算法优化的相关向量机算法用于估计锂电池各个充放电周期健康状况的变化轨迹,并预测锂电池的剩余寿命。基于美国国家航空航天局提供的锂电池测量数据,对提出的方法进行了有效性验证。

引用

页码：1935 / 1940

页数：6

共 6 条

[1]

Lithium-ion battery remaining useful life estimation based on fusion nonlinear degradation AR model and RPF algorithm.[J].Datong Liu;Yue Luo;Jie Liu;Yu Peng;Limeng Guo;Michael Pecht.Neural Computing and Applications.2014, 3-4

[2]

A Novel Approach for Analog Circuit Fault Prognostics Based on Improved RVM [J].