(19)中华人民共和国国家知识产权局
(12)发明专利申请
(10)申请公布号 (43)申请公布日 (21)申请号 201910802571.X
(22)申请日 2019.08.28
(71)申请人 武汉科技大学
地址 430081 湖北省武汉市青山区和平大
道947号
(72)发明人 张永 陈廖格豪 李曦 付晓薇
(74)专利代理机构 上海精晟知识产权代理有限
公司 31253
代理人 辇甲武
(51)Int.Cl.
G01R 31/367(2019.01)
G01R 31/392(2019.01)
(54)发明名称
(57)摘要
本发明公开了基于相空间重构和粒子滤波
的锂电池剩余寿命预测方法，包括如下步骤：首
先，在电池容量的基础上提取了等时间间隔放电
电压差健康指标，对该指标使用BCT加强与电容
用PSR算法得出训练集的时延和嵌入维数；最后，
把SVR的预测值代入系统状态空间模型用PF对状
态进行更新。通过NASA锂离子电池数据集证明了
该方法在RUL预测方面的优越性。权利要求书2页 说明书5页 附图5页CN 110687450 A 2020.01.14
C N 110687450
A
1.基于相空间重构和粒子滤波的锂电池剩余寿命预测方法，其特征在于：
步骤一：选取电池容量和等时间间隔放电电压差作为两个健康因子，选定T时刻为预测起始点，即T时刻之前的时间序列为训练集，
步骤二：为了加强等时间间隔放电电压差与电池容量之间的线性关系，对之进行BOX-COX变换，
步骤三：在训练支持向量机SVR模型时，利用相空间重构PSR分别得出两种健康因子时间序列的时延和嵌入维数，进行多变量相空间重构，由此定义训练SVR的输入与输出，步骤四：选用双指数退化模型Z k＝a k exp(b k·k)+c k exp(d k·k)作为粒子滤波测量方程，其中状态x k＝[a k，b k，c k，d k]，系统的状态方程为x k+1＝x k+v k，其中v k为过程噪声，在训练集用粒子滤波PF进行滤波过程，得到系统最新状态x T-1，等到SVR的预测值计算完成，用该预测值对系统状态进行更新，最后通过粒子滤波测量方程得到电池容量的最终预测值，如果预测的容量达到了失效阈值，则剩余使用寿命RUL为该时刻到失效阈值点之间的时间。
2.根据权利要求1所述的基于相空间重构和粒子滤波的锂电池剩余寿命预测方法，其特征在于：
选用的锂电池容量数据为:NASA数据集，
选用NASA数据集中的B0005，B0006和B0007三组作为实验数据集，对于不同的数据集，选用不同的起始预测点，起始预测点之前的数据作为训练集，训练出回归模型对未来的电池容量进行预测。
3.根据权利要求1所述的基于相空间重构和粒子滤波的锂电池剩余寿命预测方法，其特征在于：
步骤四中：粒子滤波PF算法的具体流程为：
(1)设置粒子数为N，粒子集初始化，k＝0，
(2)采样，在k＝0时，从先验概率分布p(X0)随机抽取初始化粒子样本状态集合
设定粒子初始权重为
(3)在k时刻，从建议分布函数采样，并设置其中，i 表示第i个粒子，
(4)权值更新，计算每个粒子重要性权值：
其中，为k时刻粒子对应的权值，Y1：k为1到k时刻的观测值，
(5)归一化处理权重：
(6)重采样，评估有效粒子数，如果N eff＞N threshold，则不需要重采样，有：
否则进行重采样，得到新粒子集及相应重要性权值：
(7)状态评估，通过粒子滤波算法的输出进行后验概率计算，
(8)判断是否到达失效阈值，否则令k＝k+1，重复步骤(3)-(7)。
4.根据权利要求1所述的基于相空间重构和粒子滤波的锂电池剩余寿命预测方法，其特征在于：
步骤三中，用C-C方法求出降噪后两个健康指标的时延和嵌入维数，进行多变量相空间重构，由此定义训练SVR时的输入与输出，其中，选用的SVR核函数为径向基核函数，其具体表达式为：
基于相空间重构和粒子滤波的锂电池剩余寿命预测方法
技术领域
[0001]本发明属于电池技术领域，涉及一种基于PSR-SVR-PF算法的磷酸铁锂电 池剩余寿命混合预测方法。
背景技术
[0002]近年来，因为锂离子电池已广泛应用于手机，笔记本电脑和电动汽车的 动力电源，并逐步扩展到军事通信，航空航天等领域中。避免锂离子电池因 未能提供所需功率水平而导致的严重安全性和经济后果，其剩余使用寿命 (RUL)预测有着重要作用。所以，准确预测锂离子电池剩余寿命在锂离子电 池故障预测和健康管理(PHM)中起到了重要作用，PHM可以使其健康管理功 能有自主性，降低人为干预，从而而大大减少成本。PHM技术通过对锂离子电 池各项指标进行检测，对锂离子电池状态进行估计，其中剩余寿命性能指标 是核心，这大大提高了锂电池的安全性和可靠性。本发明采用PSRSVR-PF算 法，首先提取等时间间隔电压差健康指标，利用BCT变换加强该指标与容量 之间的线性关系。相空间重构(PS
R)用来定义训练样本集来训练SVR模型， 把SVR的预测值通过PF用来更新系统状态空间模型的状态，最后通过测量方 程得出容量预测值。
发明内容
[0003]本发明的目的是提供一种能准确预测磷酸铁锂电池剩余使用寿命的混合 方法。[0004]为了达成上述目的，本发明的解决方案为：
[0005]本发明提供了一种基于相空间重构和粒子滤波的锂电池剩余寿命预测方 法。[0006]步骤一：首先将获得的NASA数据集进行筛选，相应的选择B0005，B0006，B0007三组作为实验数据集。提取了电池电容、等时间间隔放电电压差两个健 康因子，并划分训练集与测试集。
[0007]步骤二：SVR部分：在训练SVR模型之前，为了增强等时间间隔放电电压 差与容量之间的线性相关性，对等时间间隔放电电压差进行BOX-COX变换。
[0008]BOX-COX变换如下：
[0009]
[0010]其中y为原始数据，y(λ)为变化后的数据。选取不同的λ带入上式，计算 变换后的等时间间隔放电电压差与容量的相关性选择最佳参数λ。
[0011]步骤三：在训练集，使用C-C方法分别计算出两个处理后的健康因子的 时延τ1,τ2和嵌入维数m1,m2，选取τ＝max(τ1,τ2),m＝max(m1,m2)进行多变量相空间 重构：
[0012]
[0013]定义SVR的训练样本为(X j,Y j)，X为输入，Y为输出。
[0014]PF部分：本文选用的状态空间模型如下：
[0015]
[0016]其中，x k＝[a k,b k,c k,d k]，k表示循环次数，x k表示状态模型参数，Q k表示 容量的观测值，ωk，v k分别表示状态噪声与观测噪声。
[0017]模型的初值是用三组电池的训练集用最小二乘法估计出并取均值得到的。[0018]步骤四：训练集的滤波过程：
[0019]初始化k＝0，设置参数。
[0020]采样，在k＝0时，从先验概率分布p(X0)随机抽取初始化粒子样本状态集 合设定粒子初始权重为
[0021]重要性采样，分为k时刻预测和权值更新两步。
[0022]F o r i＝1:N，在k时刻，从建议分布函数采样，并设置
[0023]For i＝1:N，权值更新，计算每个粒子重要性权值：
[0024]
[0025]归一化处理权重：
[0026]重采样，评估有效粒子数，如果N eff＞N threshold，则不需要重采样，有：
[0027]否则进行重采样，得到新粒子集及相应 重要性权值：
[0028]
[0029]状态评估，通过粒子滤波算法的输出进行后验概率计算，
豫公网安备41160202000603
站长QQ:729038198
关于我们
投诉建议