基于群智能優(yōu)化粒子濾波的鋰電池剩余壽命預(yù)測(cè).pdf

1、鋰電池如今已經(jīng)在各行各業(yè)中扮演者至關(guān)重要的角色，因其突發(fā)性地故障或者損壞會(huì)導(dǎo)致重大的財(cái)產(chǎn)損失甚至人身安全事故。以往的定期維修方法已經(jīng)不足以保證鋰電池能夠長(zhǎng)時(shí)間穩(wěn)定可靠地運(yùn)行，因此，逐漸被預(yù)測(cè)性維護(hù)技術(shù)所替代。作為預(yù)測(cè)性維護(hù)的核心理念，剩余壽命預(yù)測(cè)技術(shù)成為了當(dāng)下的研究熱點(diǎn)，該技術(shù)能夠在鋰電池壽命終結(jié)之前對(duì)其剩余壽命進(jìn)行預(yù)測(cè)，給工作人員提供充分的時(shí)間以做出適當(dāng)?shù)木S護(hù)策略。
　　粒子濾波算法在針對(duì)鋰電池剩余壽命預(yù)測(cè)的研究中被廣泛采用，針

2、對(duì)粒子濾波算法在鋰電池剩余壽命預(yù)測(cè)中存在的缺陷，本文主要做了以下工作：
　　在進(jìn)行剩余壽命預(yù)測(cè)時(shí)，粒子濾波存在的粒子退化問(wèn)題會(huì)引起有效樣本數(shù)目減少，使得對(duì)參數(shù)的估計(jì)精度不高，誤差過(guò)大的參數(shù)最終會(huì)導(dǎo)致預(yù)測(cè)的精度下降。針對(duì)粒子濾波預(yù)測(cè)精度不高的問(wèn)題，本文將群智能優(yōu)化算法與粒子濾波算法相結(jié)合，利用群智能優(yōu)化算法中的智能尋優(yōu)策略?xún)?yōu)化粒子濾波算法中的粒子，使其更加靠近真實(shí)狀態(tài)，增加有效樣本數(shù)目，改善粒子退化問(wèn)題，提高粒子濾波算法的估計(jì)精度，

3、從而有效改善其預(yù)測(cè)精度不高的問(wèn)題。
　　本文首先將粒子群優(yōu)化算法與粒子濾波算法結(jié)合，利用粒子群優(yōu)化算法中的位置更新和速度更新方法來(lái)優(yōu)化粒子濾波算法采樣后的粒子，使其具有更佳的位置和更大的權(quán)值，增大了每個(gè)粒子的效用；其次本文將人工魚(yú)群算法引入粒子濾波算法中，利用人工魚(yú)的覓食行為和聚群行為驅(qū)動(dòng)采樣后的粒子向高似然區(qū)域靠近，優(yōu)化粒子濾波的估計(jì)性能，提高其預(yù)測(cè)精度。本文采用馬里蘭大學(xué)的鋰電池加速退化試驗(yàn)數(shù)據(jù)對(duì)優(yōu)化后的算法進(jìn)行仿真，實(shí)驗(yàn)結(jié)果