文献类型：期刊文章

作　　者：庞晓琼[1] 王竹晴[1] 曾建潮[1] 贾建芳[2] 史元浩[2] 温杰[2]

PANG Xiao-qiong;WANG Zhu-qing;ZENG Jian-chao;JIA Jian-fang;SHI Yuan-hao;WEN Jie(School of Data Science and Technology, North University of China, Taiyuan, Shanxi 030051, China;School of Electrical and Control Engineering, North University of China, Taiyuan, Shanxi 030051, China)

机构地区：[1]中北大学大数据学院,山西太原030051 [2]中北大学电气与控制工程学院,山西太原030051

出　　处：《北京理工大学学报》

基　　金：山西省重点研发计划资助项目(201703D111011);山西省青年自然科学基金资助项目(201601D021075);山西省研究生教育改革研究资助项目(2018JG62);中北大学自然科学基金资助项目(2016032;2017025)

年　　份：2019

卷　　号：39

期　　号：4

起止页码：406-412

语　　种：中文

收录情况：AJ、BDHX、BDHX2017、CAS、CSA、CSA-PROQEUST、CSCD、CSCD2019_2020、EI、IC、INSPEC、JST、MR、RCCSE、RSC、SCOPUS、ZGKJHX、ZMATH、核心刊

摘　　要：目前基于数据驱动的锂离子电池RUL预测方法不能较好地适应于同类型不同电池的RUL预测,且预测精度易受健康因子冗余或不足的影响.针对以上问题,提出一种结合主成分分析(PCA)特征融合与非线性自回归(NARX)神经网络的锂离子电池RUL间接预测框架.首先提取多个能反映电池性能退化的可测参数,并将PCA去除冗余后的结果作为预测健康因子;然后利用一组电池的全寿命数据构建基于NARX神经网络的健康因子和容量预测模型,对同类型不同电池预测时将该电池寿命前期健康因子作为输入,即可间接预测出其RUL.最后实验结果表明所提框架在同类型不同电池RUL的预测中精度较高且适应性较强.

关 键 词：锂离子电池 剩余使用寿命  相关性分析  PCA算法 NARX神经网络  

分 类 号：TP206]