[發明專利]基于稀疏系數多核相關向量機的鋰電池剩余壽命預測方法

有效

• 申請號: 201710447298.4
• 申請日: 2017-06-14
• 公開（公告）號: CN107015165B
• 公開（公告）日: 2020-01-17
• 發明（設計）人: 張朝龍;何怡剛;袁莉芬;李志剛;項勝;尹柏強
• 申請（專利權）人: 安慶師范大學
• 主分類號: G01R31/367
• 分類號: G01R31/367;G01R31/392
• 代理公司: 34112 安徽合肥華信知識產權代理有限公司
• 代理人: 余成俊

1.基于稀疏系數多核相關向量機的鋰電池剩余壽命預測方法，其特征在于，包括以下步驟：

（1）通過測量獲取鋰電池各個充放電周期的健康狀況數據；

（2）對鋰電池的容量測量數據進行集合經驗模態分解去噪；

對鋰電池的容量測量數據執行集合經驗模態分解，生成數個本征模態函數和一個余量，通過相關系數法判斷和原本數據相關的各個本征模態函數，組合生成接近原本數據的去噪數據；

通過相關系數法判斷和原本數據相關的各個本征模態函數，相關系數法計算的是各個本征模態函數和測量數據之間的相關系數，相關系數大于0.2的包括了弱相關、中等相關和強相關，相關系數低于0.2的為極弱相關或無相關性；本征模態函數若和原本數據相關，計算的本征模態函數和測量數據之間的相關系數需要大于0.2，即至少是弱相關；

（3）計算鋰電池失效的容量閾值；

（4）基于鋰電池的容量去噪數據序列和充放電周期數據序列，應用粒子群算法優化生成稀疏系數多核相關向量機的稀疏系數；

鋰電池的容量去噪數據為H₁, H₂,…, H_n，其中n≥1，為測量的周期數，對應的容量去噪數據序列為[H₁, H₂,…, H_n]，鋰電池的容量去噪數據的各個充放電周期依次為T₁, T₂,…, T_n，對應的充放電周期數據序列為[T₁, T₂,…, T_n]；稀疏系數多核相關向量機是指相關向量機的核函數是采用3個不同階次的多項式核函數和10個不同寬度因子的高斯核函數的線性組合，這13個核函數的系數由粒子群算法優化生成，其中對預測貢獻極小的核函數，其系數被粒子群算法清零，故稱該相關向量機為稀疏系數多核相關向量機；其中，應用粒子群算法優化生成稀疏系數多核相關向量機的稀疏系數的過程為：

（4.1）初始化粒子群算法參數，包括位置、速度、尋優范圍和進化次數，其中將核函數的系數映射為粒子的多維位置；

（4.2）計算每一個粒子的適應度，根據適應度得出每一個粒子的個體最優位置和粒子群的全局最優位置；

（4.3）對每一個粒子進行速度與位置的更新；

（4.4）重復（4.2）和（4.3）直至最大進化次數，將全局最優位置的多維位置輸出為核函數的系數；部分核函數對訓練數據預測的貢獻極小，其系數在粒子群算法優化生成過程中被清零，剩下的系數即為相關向量機核函數的稀疏系數;

（5）應用稀疏系數多核相關向量機預測鋰電池的剩余壽命。

2.根據權利要求1所述的基于稀疏系數多核相關向量機的鋰電池剩余壽命預測方法，其特征在于，所述步驟（1）中，鋰電池的健康狀況數據是指鋰電池的容量數據。

3.根據權利要求1所述的基于稀疏系數多核相關向量機的鋰電池剩余壽命預測方法，其特征在于，所述步驟（3）中，鋰電池失效的容量閾值是鋰電池標稱容量的65%-75%。

4.根據權利要求1所述的基于稀疏系數多核相關向量機的鋰電池剩余壽命預測方法，其特征在于，所述步驟（5）中，剩余壽命是指鋰電池發生失效前剩余的充放電周期數；應用稀疏系數多核相關向量機預測鋰電池的剩余壽命的方法為：對T_n之后每個充放電周期的鋰電池容量進行連續預測，找到第一次滿足H_n+g≥H_threshold且H_n+g+1<H_threshold條件的第T_n+g個充放電周期，則鋰電池在第T_n+g個充放電周期后失效，其剩余壽命為g個充放電周期，其中H_threshold是該鋰電池失效的容量閾值。