压缩感知结合高斯过程回归的锂电池SOH估计 |
| |
引用本文: | 贺宁,钱成,李若夏,刘利强.压缩感知结合高斯过程回归的锂电池SOH估计[J].控制工程,2023(4):637-648. |
| |
作者姓名: | 贺宁 钱成 李若夏 刘利强 |
| |
作者单位: | 1. 西安建筑科技大学机电工程学院;2. 西安交通大学智能网络与网络安全教育部重点实验;3. 西安建筑科技大学信息与控制工程学院 |
| |
基金项目: | 国家自然科学基金资助项目(61903291);;陕西省自然科学基础研究计划资助项目(2020JQ-683); |
| |
摘 要: | 针对锂电池健康状态(SOH)估计,提出一种结合了基于压缩感知(CS)的容量增量曲线(ICC)特征提取与高斯过程回归(GPR)的估计方法。该方法从充电电压中提取ICC特征数据作为电池的健康特征(HF);针对原始ICC不准确且易受噪声干扰的问题,使用CS扩充数据维度以得到更加准确且平滑的ICC;通过相关性分析法选取ICC中相关性高的分量作为描述电池HF的参数,然后使用GPR建立电池容量退化模型用于估计SOH,并利用遗传算法优化超参数。最后,使用美国航空航天局(NASA)公开的四个电池数据集验证所提方法的准确性。实验结果表明,所提方法具有较高的估计精度和可靠性。
|
关 键 词: | 锂电池 健康状态估计 容量增量曲线 压缩感知 高斯过程回归 |
|