基于小波神經(jīng)網(wǎng)絡(luò)的鋰離子電池SOH估計(jì)技術(shù)研究.pdf

1、隨著環(huán)境污染的日益惡化和電子科技的發(fā)展，鋰電池越來(lái)越受到人們的關(guān)注。目前鋰電池被廣泛應(yīng)用于供電系統(tǒng)，如儲(chǔ)能系統(tǒng)、電動(dòng)汽車(chē)和通信系統(tǒng)等，因此鋰電池的安全使用也顯得越來(lái)越重要。鋰電池有多種性能參數(shù)，電池健康狀態(tài)（SOH）為其中最重要的一個(gè)參數(shù)。鋰電池的SOH顯示了電池儲(chǔ)存電量的能力，準(zhǔn)確估計(jì)電池的SOH可以幫助人們合理的使用鋰電池，避免因電池老化原因造成的安全問(wèn)題。
　　目前對(duì)于電池的SOH的定義有多種，本文將電池的當(dāng)前容量與他的標(biāo)稱(chēng)

2、容量的比值定義為電池的SOH。電池健康狀態(tài)的估計(jì)有多種方法，如化學(xué)分析法，電化學(xué)阻抗分析法，基于卡爾曼濾波器等。本文采用禁忌搜索（TS）的小波神經(jīng)網(wǎng)絡(luò)（WNN）對(duì)電池的SOH進(jìn)行估計(jì)。WNN基于小波分析而構(gòu)造的一類(lèi)新型前饋網(wǎng)絡(luò)，即用非線性小波基函數(shù)取代通常的神經(jīng)元非線性激勵(lì)函數(shù)，他具有較強(qiáng)的函數(shù)學(xué)習(xí)能力，簡(jiǎn)化了訓(xùn)練，避免了BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)設(shè)計(jì)的盲目性。本文的主要內(nèi)容如下：
　　（1）介紹鋰電池SOH的研究背景和現(xiàn)狀，分析當(dāng)前國(guó)內(nèi)外

3、幾種SOH的估計(jì)方法的優(yōu)缺點(diǎn)，并提出使用TS-WNN對(duì)SOH進(jìn)行估計(jì)。TS-WNN對(duì)SOH估計(jì)分為訓(xùn)練過(guò)程和預(yù)測(cè)過(guò)程。在訓(xùn)練過(guò)程中，通過(guò)已有的數(shù)據(jù)訓(xùn)練TS-WNN的網(wǎng)絡(luò)參數(shù)。在預(yù)測(cè)過(guò)程中，根據(jù)預(yù)測(cè)樣本驗(yàn)證訓(xùn)練過(guò)程生成的電池SOH估計(jì)模型的可行性。
　?。?）詳細(xì)闡述WNN，分析其優(yōu)點(diǎn)和缺點(diǎn)。針對(duì)WNN的缺點(diǎn)提出使用TS算法對(duì)其進(jìn)行改進(jìn)。比較WNN和TS-WNN對(duì)鋰電池恒流和變流兩種放電情況下的SOH估計(jì)，可以得出通過(guò)TS-WNN對(duì)

4、鋰電池SOH的估算精度會(huì)更高。
　?。?）為了構(gòu)建TS-WNN的模型和驗(yàn)證此方法的可行性，本文設(shè)計(jì)了基于STM32的估計(jì)系統(tǒng)。該系統(tǒng)的底層負(fù)責(zé)采集電池在充電和放電過(guò)程的電壓，電流和溫度等數(shù)據(jù)，上位機(jī)部分負(fù)責(zé)存儲(chǔ)這些數(shù)據(jù),最后根據(jù)這些數(shù)據(jù)估計(jì)電池的SOH。
　?。?）本次實(shí)驗(yàn)中對(duì)2000mAh和100Ah的兩種鋰電池進(jìn)行SOH估計(jì)，首先采集數(shù)據(jù)構(gòu)建網(wǎng)絡(luò)的模型，最后通過(guò)已構(gòu)建的模型對(duì)電池SOH進(jìn)行估計(jì)。在實(shí)驗(yàn)中，對(duì)恒流和變流兩種