自适应模型与改进粒子滤波的电池RUL预测

作     者：贺宁 钱成 李若夏 HE Ning;QIAN Cheng;LI Ruoxia

作者机构：西安建筑科技大学机电工程学院西安710055 智能网络与网络安全教育部重点实验室(西安交通大学)西安710049 西安建筑科技大学信息与控制工程学院西安710055 

出 版 物：《哈尔滨工业大学学报》 (Journal of Harbin Institute of Technology)

年 卷 期：2022年第54卷第9期

页      面：111-121页

核心收录：

学科分类：0808[工学-电气工程] 08[工学] 

基　　金：国家自然科学基金(61903291) 中国博士后科学基金(2019M660257) 

主　　题：粒子滤波 剩余寿命 优化算法 神经网络 锂电池 混合模型 

摘      要：为提高锂电池运行的安全性和可靠性并维护系统稳定运行,提出一种自适应混合模型与改进粒子滤波(particle filter,PF)算法的锂电池剩余使用寿命(remaining useful life,RUL)预测方法。采用经验模型与神经网络模型结合建立自适应混合模型描述电池容量退化趋势,并使用天牛须搜索(beetle antennae search,BAS)算法优化PF重采样步骤解决粒子多样性丧失问题,从而提高估计精度进而实现RUL的精准预测。应用NASA和CALCE公开的两组不同类型锂电池作为实验对象,验证模型的有效性并通过对比PF与改进PF算法验证RUL预测的准确性。结果表明:自适应混合模型对于电池容量变化的表达能力更强,既能考虑电池内部的参数变化又能反应电池外部环境的变化,基于BAS改进的PF(BAS⁃PF)方法相较于传统PF算法的估计精度更高而且RUL预测更准确,对于不同的预测起点,两块测试电池的RUL预测误差分别为5.88%、3.92%、1.96%和3.75%、1.25%、0%。自适应混合模型能更加有效地描述电池容量特征,基于自适应混合模型的BAS⁃PF算法的电池RUL预测能力更好,可靠性更强,有助于提高RUL预测的精度和表现。