[發(fā)明專利]一種基于改進(jìn)型動(dòng)態(tài)小波神經(jīng)網(wǎng)絡(luò)的航天Ni-Cd蓄電池壽命預(yù)測(cè)方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201210468407.8
• 申請(qǐng)日: 2012-11-19
• 公開（公告）號(hào): CN103018673A
• 公開（公告）日: 2013-04-03
• 發(fā)明（設(shè)計(jì)）人: 呂琛;陶來發(fā);劉紅梅;劉元默;劉一薇;楊生勝
• 申請(qǐng)（專利權(quán)）人: 北京航空航天大學(xué);航天東方紅衛(wèi)星有限公司;蘭州空間技術(shù)物理研究所
• 主分類號(hào): G01R31/36
• 分類號(hào): G01R31/36;G06N3/08
• 代理公司: 北京科迪生專利代理有限責(zé)任公司 11251
• 代理人: 成金玉

技術(shù)領(lǐng)域

本發(fā)明屬于航天Ni-Cd蓄電池壽命預(yù)測(cè)技術(shù)領(lǐng)域，特別是一種基于改進(jìn)型動(dòng)態(tài)小波神經(jīng)網(wǎng)絡(luò)的航天Ni-Cd蓄電池壽命預(yù)測(cè)方法。?

背景技術(shù)

壽命預(yù)測(cè)技術(shù)涉及到的范圍和領(lǐng)域極其廣泛，從原材料的疲勞壽命到復(fù)雜成型產(chǎn)品壽命，從民用領(lǐng)域到國(guó)防領(lǐng)域都需要壽命預(yù)測(cè)技術(shù)。目前，針對(duì)航天Ni-Cd蓄電池的主要壽命預(yù)測(cè)技術(shù)可歸納如下：?

a，基于物理模型的壽命預(yù)測(cè)：該方法對(duì)Ni-Cd蓄電池內(nèi)部的物化過程進(jìn)行分析，從而建立反映對(duì)象演變過程的物理模型，通過相關(guān)數(shù)據(jù)對(duì)模型參數(shù)進(jìn)行調(diào)整，最后得到需要的壽命預(yù)測(cè)模型；?

b，基于統(tǒng)計(jì)模型假設(shè)的壽命預(yù)測(cè)：此類方法首先假設(shè)Ni-Cd蓄電池壽命服從某種統(tǒng)計(jì)分布，并利用大量已有的壽命數(shù)據(jù)確定該模型的參數(shù)，從而建立Ni-Cd蓄電池的壽命預(yù)測(cè)模型；?

c，基于壽命影響因素分析訓(xùn)練的壽命預(yù)測(cè)：此方法主要通過研究并確定影響Ni-Cd蓄電池的各壽命影響因素，并借助大量的壽命試驗(yàn)數(shù)據(jù)建立影響因素同壽命之間的關(guān)聯(lián)關(guān)系，從而建立Ni-Cd蓄電池的壽命預(yù)測(cè)模型。?

對(duì)于上述三種方法，基于物理模型的壽命預(yù)測(cè)需要深入研究Ni-Cd蓄電池的內(nèi)部機(jī)理，其工作量巨大且可移植性相對(duì)較差，對(duì)于不同型號(hào)的Ni-Cd蓄電池需分別建立壽命預(yù)測(cè)模型；基于統(tǒng)計(jì)模型假設(shè)及基于壽命影響因素分析訓(xùn)練的壽命預(yù)測(cè)則需要大量的Ni-Cd蓄電池壽命數(shù)據(jù)以建立壽命預(yù)測(cè)模型。考慮到在實(shí)際工程應(yīng)用中，航天Ni-Cd蓄電池，往往會(huì)受到各種客觀條件限制，不可能存在大量的用于壽命預(yù)測(cè)的壽命數(shù)據(jù)。因而，研究一種針對(duì)Ni-Cd蓄電池極少壽命數(shù)據(jù)情況下的壽命預(yù)測(cè)方法具有重要意義。?

人工神經(jīng)網(wǎng)絡(luò)(Artificial?Neural?Network,ANN)是一個(gè)模擬大腦神經(jīng)系統(tǒng)結(jié)構(gòu)和功能，由大量簡(jiǎn)單處理單元即神經(jīng)元廣泛連接組成的人工網(wǎng)絡(luò)。它能從已知數(shù)據(jù)中自動(dòng)歸納規(guī)則，獲得這些數(shù)據(jù)的內(nèi)在規(guī)律，具有很強(qiáng)的非線性映射能力。人工神經(jīng)網(wǎng)絡(luò)具有以下幾個(gè)突出優(yōu)點(diǎn)：1.高度的并行性；2.高度的非線性全局作用；3.良好的容錯(cuò)性和聯(lián)想記憶功能；4.十分?強(qiáng)的自適應(yīng)、自學(xué)習(xí)功能。?

申請(qǐng)人先前申請(qǐng)的專利，申請(qǐng)?zhí)?0101022095.1，名稱為：一種基于動(dòng)態(tài)雙極MPNN的小樣本數(shù)據(jù)對(duì)象的壽命預(yù)測(cè)方法，通過收集壽命預(yù)測(cè)對(duì)象的所有可用數(shù)據(jù)并對(duì)其進(jìn)行壽命預(yù)測(cè)相關(guān)數(shù)據(jù)預(yù)處理和數(shù)據(jù)相關(guān)性分析；得到這些壽命影響因素同預(yù)測(cè)對(duì)象壽命表征參數(shù)間函數(shù)關(guān)系。然后數(shù)據(jù)映射并得到預(yù)測(cè)對(duì)象的當(dāng)量數(shù)據(jù)值；通過改進(jìn)的MPNN網(wǎng)絡(luò)進(jìn)行一次MPNN網(wǎng)絡(luò)的訓(xùn)練及預(yù)測(cè)和二次MPNN網(wǎng)絡(luò)的訓(xùn)練及預(yù)測(cè)；最后根據(jù)預(yù)測(cè)對(duì)象壽命表征參數(shù)的壽命終止判據(jù)確定預(yù)測(cè)對(duì)象的壽命值。該項(xiàng)專利通過雙極MPNN網(wǎng)絡(luò)實(shí)現(xiàn)了基于小樣本數(shù)據(jù)的蓄電池壽命預(yù)測(cè)，給出了針對(duì)于具有小樣本數(shù)據(jù)特點(diǎn)的一類問題的解決方案，具有較強(qiáng)的通用性。由于該專利核心在于一次與二次MPNN的預(yù)測(cè)精度，而其中MPNN網(wǎng)絡(luò)是由具有統(tǒng)計(jì)特性的PNN網(wǎng)絡(luò)改進(jìn)而成，使得MPNN網(wǎng)絡(luò)在保留了PNN網(wǎng)絡(luò)優(yōu)點(diǎn)的同時(shí)也引入了不能很好體現(xiàn)出待預(yù)測(cè)蓄電池單體特性的不足；此外，在該項(xiàng)專利中，二次MPNN網(wǎng)絡(luò)使用的迭代預(yù)測(cè)為不重復(fù)訓(xùn)練的單支單步迭代預(yù)測(cè)，使得蓄電池壽命預(yù)測(cè)精度偏低，且只有在蓄電池處于嚴(yán)重衰退時(shí)期其壽命預(yù)測(cè)精度才能有所保證，這在很大程度上限制了蓄電池壽命預(yù)測(cè)的工程應(yīng)用。?

動(dòng)態(tài)小波神經(jīng)網(wǎng)絡(luò)（Dynamic?Wavelet?Neural?Networks,DWNN）是人工神經(jīng)網(wǎng)絡(luò)的一種，該網(wǎng)絡(luò)由輸入、WNN、輸出、及輸出反饋四個(gè)部分組成，如圖2所示。?

其中，U為外部輸入，N為外部輸入維數(shù)；Y為輸出；M為輸出反饋節(jié)點(diǎn)個(gè)數(shù)；WNN為標(biāo)準(zhǔn)靜態(tài)小波神經(jīng)網(wǎng)絡(luò)。DWNN的表達(dá)式為：?

Y(t+1)＝WNN(Y(t),…,Y(t-M+1),U(t),…,U(t-N))?

由于DWNN網(wǎng)絡(luò)從多角度構(gòu)建網(wǎng)絡(luò)遞歸,增強(qiáng)對(duì)歷史信息的記憶容量,在計(jì)算過程中呈現(xiàn)過程動(dòng)態(tài)特性,比前饋神經(jīng)網(wǎng)絡(luò)和已有遞歸小波神經(jīng)網(wǎng)絡(luò)具有更強(qiáng)的動(dòng)態(tài)行為和計(jì)算能力，且同時(shí)具有對(duì)預(yù)測(cè)對(duì)象總體與個(gè)體特性進(jìn)行分辨分析的能力等優(yōu)點(diǎn)，被廣泛用于實(shí)際工程項(xiàng)目。本發(fā)明在繼承專利申請(qǐng)20101022095.1解決小樣本數(shù)據(jù)對(duì)象壽命預(yù)測(cè)思想的基礎(chǔ)上，首先對(duì)DWNN進(jìn)行改進(jìn)，使改進(jìn)后的DWNN模型能夠更加精細(xì)地跟蹤蓄電池的衰退過程，同時(shí)，利用自適應(yīng)迭代預(yù)測(cè)方法提升二次預(yù)測(cè)精度，進(jìn)而，大幅度提高蓄電池壽命預(yù)測(cè)精度，以滿足Ni-Cd對(duì)象及其數(shù)據(jù)特點(diǎn)的壽命預(yù)測(cè)需求。?

發(fā)明內(nèi)容