基于多尺度递归定量分析的电池健康状态评估

使用美国宇航局艾姆斯研究中心数据仓库收集的随机电池使用实验数据集,提取了影响电池容量的2个特征参数。通过集合经验模态分解法将2个特征参数(温度和电压)进行分解,然后根据高、中、低频的分量特征进行叠加重构,获得重构的分量。随后通过Visual Recurrence Analysis(RQA)程序对重构分量进行分析,得到非线性特征参数—标准偏差、平均重缩放距离、递归熵。利用得到的非线性特征参数对BP神经网络进行训练,再把测试数据输入训练后的BP神经网络中进行处理,最终得到电池健康状态预测结果。