不同温度下的基于BPNN-AUKF的新型自动水下航行器SOC估计器

本研究提出了一种基于反向传播神经网络(BPNN)和自适应无迹卡尔曼滤波器(AUKF)的SOC(state of charge)估计方法。首先针对电池SOC与端电压之间在不同温度下的关系,研究设计了一系列温度补偿策略,以提高在低温、低SOC条件下的估计精度。其次,利用反向传播神经网络(BPNN)建立了一个耦合了温度补偿策略的电池模型。这个模型能更好地适应低温和低SOC条件下的电池状态变化,提高了SOC估计的准确性。最后,基于BPNN电池模型建立了BPNN-AUKF的SOC估计框架,通过利用测量值与测量预测值之间的信息和残差序列,对系统过程和测量噪声协方差进行估计修正。通过实验验证,发现该方法在低温环境下具有明显优势,相比传统方法能够更准确地估计电池的SOC,且具备较好的泛化能力。这种基于BPNN-AUKF方法的SOC估计器不仅适用于自主无人潜水器(AUV),而且对于其他在复杂环境中工作的车辆也具有广泛的应用价值。

基于不同工况下的锂离子电池可用容量预测模型

锂离子电池是诸多设备的主要动力能源,在不同工况下对锂离子电池可用容量的准确预测十分关键。针对目前Peukert方程只能应用于恒温恒流放电情况下可用容量预测的局限性,本工作提出了一种基于不同工况下的锂离子电池可用容量预测优化模型,通过改进Peukert方程并提供合理的系数生成方法,实现了在变温度和倍率条件下对可用容量的准确预测。并通过实验测试了锂电池在不同温度和放电速率下的放电性能,拟合了电池容量保持率与电池平均温度的曲线,使用Arrhenius方程进行分析,通过最小二乘法确定了方程中的参数,根据预测优化模型进行了各种放电情况下的计算,验证了所提出的等效容量方法可以准确预测电池的实际放电容量。最后,利用预测优化模型和实验验证了温度对电池容量的影响,得出当环境温度高于25℃时,电池容量对放电速率的影响较小;当环境温度低于25℃时,温度对电池容量有显著影响,呈现出先下降后随着放电速率增加而增加的趋势的结论,结果说明了电池的平均温度对其容量有较大影响,但高温对电池容量的影响较低温小,需引入温度补偿系数k来考虑平均温度对电池容量的影响。

基于GWO-LSSVM的锂离子电池健康状态估算

针对目前应用于电池健康状态(SOH)估算的算法需用大量数据样本来进行训练且估算效果不佳的问题,提出了一种基于灰狼优化(GWO)算法的最小二乘支持向量机(LSSVM)算法来估算电池SOH,依据灰色关联度分析法筛选出恒流充电时间作为适合估算电池SOH的输入特征参数。以18650钴酸锂电池充放电循环试验为例,采用所建立的算法模型在不同比例的训练集样本下对不同容量规格的电池进行SOH估算,并将估算结果与基于网格搜索法的LSSVM算法、基于粒子群优化算法的LSSVM算法的估算结果进行对比,结果表明,基于GWO算法的LSSVM算法模型适用于小样本数据且估算误差较小,用于电池SOH估算的效果更好。

基于新陈代谢GM(1,1)-神经网络的锂离子电池贮存寿命研究

现役鱼雷大多时间处于贮存状态,而锂离子电池是其主要的动力能源,所以针对锂离子电池的贮存寿命研究尤为重要。文中以18650型钴酸锂电池为研究对象,通过开展加速寿命试验,获得在不同应力条件下电池容量和内阻随时间的变化曲线,并确定有利于缓解电池寿命衰减的贮存条件为:温度25℃、电池荷电状态30%;综合灰色预测方法及BP神经网络的优点,采用新陈代谢灰色模型GM(1,1)-神经网络方法对锂离子电池的容量进行预测,经验证该组合预测模型比灰色预测模型和新陈代谢GM(1,1)预测模型精度更高且更适用于电池寿命预测,从而获取锂离子电池在不同应力条件下的贮存寿命,进一步验证了有利于缓解电池寿命的贮存条件。