压缩感知结合高斯过程回归的锂电池SOH估计

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。