锂离子电池全生命周期剩余使用寿命预测

为确保新能源汽车在整个使用期间的安全性,需要对锂离子电池进行全生命周期的健康监测。针对基于神经网络构建的剩余寿命预测模型训练数据集容量较小导致学习率较低,以及极限学习机方法具有复共性的问题,提出一种扩增训练数据集的方法,并基于改进极限学习机构建锂离子电池全生命周期剩余寿命预测模型。首先,提取电池早期运行数据构建健康因子,利用Akima插补法进行训练数据量的扩增;然后,使用樽海鞘群优化算法对极限学习机网络进行改进,建立锂电池全生命周期剩余寿命预测模型;最后,利用NASA电池数据集对模型进行验证。实验结果表明:所提出的训练数据容量扩增的方法有效,全生命周期剩余寿命预测模型容量跟踪能力强,预测误差小。