| 基于Elman神经网络的锂离子电池RUL间接预测研究 |
| |
| 引用本文： | 李练兵,祝亚尊,田永嘉,安子腾,王玲珑.基于Elman神经网络的锂离子电池RUL间接预测研究[J].电源技术,2019,43(6). |
| |
| 作者姓名： | 李练兵 祝亚尊 田永嘉 安子腾 王玲珑 |
| |
| 作者单位： | 河北工业大学控制科学与工程学院,天津,300130;河北工业大学控制科学与工程学院,天津,300130;河北工业大学控制科学与工程学院,天津,300130;河北工业大学控制科学与工程学院,天津,300130;河北工业大学控制科学与工程学院,天津,300130 |
| |
| 摘 要： | 锂离子电池实际容量常采用安时积分法得到,存在测量精度差及累积误差的问题。提出了一种利用锂离子电池循环充放电监测参数(电压、时间、内阻、温度等)构建间接健康因子的方法,实现了电池健康状态的间接预测。选择等压降放电时间作为间接健康因子,通过灰色关联分析法验证了其与锂离子电池实际容量的强鲁棒性。构建基于Elman神经网络的剩余使用寿命(remaining useful life,RUL)预测模型。采用NASA公开的锂离子电池数据集进行测试,结果表明提出的方法框架可以有效地进行电池RUL的间接预测,得到精确的预测结果。
|
| 关 键 词： | 锂离子电池 剩余使用寿命 等压降放电时间 灰色关联分析 Elman神经网络 |
| 本文献已被 CNKI 万方数据 等数据库收录！ |
|
