鋰離子電池剩余壽命預(yù)測(cè)方法研究.pdf

1、在工業(yè)生產(chǎn)當(dāng)中，鋰離子電池因?yàn)榫哂泻芏嗵匦?，例?高電壓、體積小、耐久性長(zhǎng)、可用性久等優(yōu)點(diǎn)，在很多場(chǎng)合下替代了鉛蓄電池、鎳鎘電池等等其他大部分電池，因而迅速的在工業(yè)、農(nóng)業(yè)、交通通訊行業(yè)和航空航天領(lǐng)域得到了廣泛的應(yīng)用。然而，鋰離子電池如果處理不當(dāng)?shù)脑挷粌H會(huì)造成電池本身和元器件的損毀，甚至還會(huì)引發(fā)一系列的災(zāi)難與工程事故。因而，近些年，國(guó)內(nèi)外的研究學(xué)者都不斷研究鋰離子電池的荷電狀態(tài)與壽命估計(jì)，從而更合理有效的監(jiān)控鋰離子電池運(yùn)行狀態(tài)，規(guī)避一切可

2、預(yù)見(jiàn)災(zāi)難事故的發(fā)生，因而，鋰離子電池的剩余壽命預(yù)測(cè)也就漸漸成果國(guó)內(nèi)外研究學(xué)者的研究熱點(diǎn)。針對(duì)這一點(diǎn)，本位對(duì)鋰離子電池剩余壽命的預(yù)測(cè)，提出了一些列方法與測(cè)試，達(dá)到了較為理想的效果，并作出了近一步的改進(jìn)與測(cè)試，力求達(dá)到更好。
　　首先，針對(duì)工業(yè)應(yīng)用中鋰離子電池實(shí)際容量數(shù)據(jù)通常在線預(yù)測(cè)是比較難得，只能進(jìn)行離線預(yù)測(cè)，因?yàn)樵诰€預(yù)測(cè)中某些參數(shù)的獲取并不是儀器直接得到的，只能通過(guò)某種方法估算得出，這必然會(huì)導(dǎo)致誤差的存在。針對(duì)這一情況，提出一種基

3、于極限學(xué)習(xí)機(jī)網(wǎng)絡(luò)(ELM)在線預(yù)測(cè)鋰離子電池剩余壽命的間接預(yù)測(cè)方法，分析鋰離子電池剩余使用壽命特征參數(shù)，采用間接預(yù)測(cè)的方法，充分分析后，選擇壓降放電時(shí)間作為鋰離子電池剩余壽命特征參數(shù)。采用一階偏相關(guān)系數(shù)分析法驗(yàn)證間接壽命特征參數(shù)的可行性。最后采用極限學(xué)習(xí)機(jī)神經(jīng)網(wǎng)絡(luò)對(duì)鋰離子電池剩余壽命間接預(yù)測(cè)進(jìn)行模型建立[1]。
　　此外，針對(duì)基于極限學(xué)習(xí)機(jī)神經(jīng)網(wǎng)絡(luò)的電池RUL輸出不穩(wěn)定的問(wèn)題，對(duì)極限學(xué)習(xí)機(jī)神經(jīng)網(wǎng)絡(luò)進(jìn)一步應(yīng)用遺傳螞蟻算法(Genet

4、ic Algorithm Ant Algorithm，GAAA)優(yōu)化其權(quán)閾值，GAAA是兩種尋優(yōu)算法的融合，它先采用遺傳算法(Genetic Algorithms，GA)做第一步的路徑優(yōu)化，生成初始信息素分布，再利用蟻群算法(Ant Colony Optimization，ACO)做進(jìn)一步的路徑優(yōu)化，從而得到更好的尋優(yōu)路徑，使兩種算法優(yōu)劣互補(bǔ)，在求解效率上優(yōu)于GA，在時(shí)間效率上優(yōu)于ACO。
　　最后，采用美國(guó)航空航天局NASA公開(kāi)