10.15918/j.tbit1001-0645.2019.04.012
基于PCA-NARX的锂离子电池剩余使用寿命预测
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.
锂离子电池、剩余使用寿命、相关性分析、PCA算法、NARX神经网络
39
TP206(自动化技术及设备)
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
2019-06-04（万方平台首次上网日期，不代表论文的发表时间）
共7页
406-412
