镉镍蓄电池寿命预测的PF-LSTM建模方法研究

对动车组用蓄电池进行寿命预测,能够评估电池状态,降低故障的危害性和运用维护成本,指导修订修程。相较于在线预测模型,离线预测模型无法适应影响因素的不断变化,提出一种基于粒子滤波(PF)与长短期记忆网络(LSTM)融合的在线预测方法。传统的PF方法依赖经验方程作为状态转移方程,而精确的经验方程难以得到,利用已有数据训练LSTM模型,模型得到的退化方程作为PF的状态转移方程,解决了PF依赖经验方程的问题,同时PF能给出不确定性表达。研究结果表明,该方法模型更新简单有效,预测精度好,弥补了镉镍蓄电池寿命模型研究的缺失,对蓄电池剩余寿命研究的发展有着重要意义。

基于线性Wiener过程的Ni-Cd蓄电池寿命预测

对动车组Ni-Cd蓄电池进行寿命预测,不仅可以提高蓄电池的安全性和可靠性,还可以降低动车组运营成本。为此,本文提出基于线性Wiener过程的寿命预测方法,该方法不仅适用于单调和非单调变化的退化系统,还具有良好的效果。首先,建立一元线性Wiener退化模型,利用最大期望(EM)方法估计得到模型未知参数,再得到蓄电池剩余使用寿命(RUL)及其分布。然后,利用Copula函数描述容量和能量的相关性,建立二元线性Wiener退化模型,利用马尔科夫链蒙特卡洛(MCMC)方法估计得到模型未知参数,得到蓄电池RUL及其分布。实验结果表明,基于容量和能量的二元线性Wiener退化模型比一元线性Wiener模型具有更高的精确度。