基于DS数据融合与SVR-PF的锂离子电池RUL预测方法

为防止锂离子电池失效导致的系统失效,提出一种基于DS数据融合与支持向量回归机粒子滤波(Support Vector Regression-Particle Filter,SVR-PF)的锂离子电池剩余有效工作时间(Remaining Useful Life,RUL)预测方法.结果表明:该预测方法能够融合不同数据源对锂离子电池RUL的预测结果,改进可用数据较少时RUL的预测准确度.

基于SVR-PF的无人机电池健康状态诊断研究

针对无人机锂离子电池健康状态诊断问题,提出一种基于支持向量回归机粒子滤波(SVR-PF)的电池健康状态诊断方法。根据锂离子电池阻抗衰退机理与阻抗和容量的相关性,定义电池健康状态变量;建立阻抗衰退模型及电池容量-阻抗关系模型,并分别对两个参数进行辨识;利用辨识得到的电池健康状态变量,为无人机电池的健康状态诊断提供了一种可行手段。

车用锂离子电池剩余使用寿命预测方法

剩余使用寿命(RUL)是锂离子电池健康监测与维护的关键参数,反映了电池到寿命终点的剩余工作时间。本文中提出了反映电池健康状态的电池容量衰退参数,利用这些参数建立RUL预测模型。将支持向量回归机粒子滤波应用于参数估计与RUL预测,给出了RUL的预测值与概率密度。结果表明提出的方法准确地预测了电池的RUL。

锂离子电池健康状态估计与剩余寿命预测

针对锂离子电池健康状态(state-of-health,SOH)估计与剩余有效工作时间(remaining useful life,RUL)预测进行探讨.提出了一种利用SOH参数反应电池状况,并且建模预测电池RUL的方法.改进了现有研究成果在RUL预测中不能更新其概率密度的缺陷.同时应用支持向量回归机(SVR-PF)改进标准粒子滤波算法具有粒子贫化效应的缺点.仿真结果表明提出的参数准确地反应了电池的状况,同时也准确地预测了电池的RUL;SVR-PF具有比粒子滤波更强的平滑与预测能力.