[發(fā)明專利]一種基于變分模態(tài)分解與集成深度模型的鋰電池剩余壽命預(yù)測(cè)方法

在審

• 申請(qǐng)?zhí)枺?/td>: 202011216878.0
• 申請(qǐng)日: 2020-11-04
• 公開（公告）號(hào): CN112348185A
• 公開（公告）日: 2021-02-09
• 發(fā)明（設(shè)計(jì)）人: 王冉;石如玉;胡雄;顧邦平;周雁翔;后麒麟
• 申請(qǐng)（專利權(quán)）人: 上海海事大學(xué)
• 主分類號(hào): G06N3/08
• 分類號(hào): G06N3/08;G06N3/04;G01R31/392;G01R31/367
• 代理公司: 暫無(wú)信息
• 代理人: 暫無(wú)信息

1.基于變分模態(tài)分解與集成深度模型的鋰電池剩余壽命預(yù)測(cè)方法，其特征在于：包括如下步驟：

步驟1、數(shù)據(jù)預(yù)處理：篩選出鋰電池放電過(guò)程中的容量衰減數(shù)據(jù)和對(duì)應(yīng)的循環(huán)壽命作為鋰電池剩余壽命預(yù)測(cè)數(shù)據(jù)，以1,…,t時(shí)刻的鋰電池容量數(shù)據(jù)為訓(xùn)練集，t+1時(shí)刻后的鋰電池容量數(shù)據(jù)為預(yù)測(cè)數(shù)據(jù)集，其中t表示的是當(dāng)前時(shí)刻；

步驟2、原始信號(hào)變分模態(tài)分解(VMD)：對(duì)訓(xùn)練集和測(cè)試集的鋰電池容量衰減數(shù)據(jù)進(jìn)行變分模態(tài)分解，分解為包括本征模態(tài)分量(IMF₁,…,IMF_N)和殘余分量(r(t))的多個(gè)模態(tài)分量，將其作為鋰電池容量數(shù)據(jù)在不同尺度下的特征，其中殘余分量表示電池整體退化趨勢(shì)，本征模態(tài)分量表示電池容量再生和隨機(jī)波動(dòng)的特性；

步驟3、構(gòu)建子學(xué)習(xí)器長(zhǎng)短期記憶神經(jīng)網(wǎng)絡(luò)(LSTM)：由于本征模態(tài)分量反映容量再生和隨機(jī)波動(dòng)信息，呈現(xiàn)一定周期性，因此選用長(zhǎng)短期記憶神經(jīng)網(wǎng)絡(luò)模型對(duì)本征模態(tài)分量進(jìn)行訓(xùn)練，將分解得到的多個(gè)訓(xùn)練集數(shù)據(jù)的本征模態(tài)分量分別輸入多個(gè)長(zhǎng)短期記憶網(wǎng)絡(luò)模型單獨(dú)進(jìn)行訓(xùn)練，構(gòu)建多個(gè)LSTM子學(xué)習(xí)器；

步驟4、構(gòu)建子學(xué)習(xí)器多層感知機(jī)(MLP)：由于殘余分量反映電池整體退化趨勢(shì)，呈現(xiàn)出單調(diào)性和平穩(wěn)性，因此選用多層感知機(jī)對(duì)殘余分量進(jìn)行訓(xùn)練，將分解得到的訓(xùn)練集數(shù)據(jù)的殘余分量輸入多層感知機(jī)進(jìn)行模型的訓(xùn)練，構(gòu)建MLP子學(xué)習(xí)器；

步驟5、子學(xué)習(xí)器集成：將分解得到的預(yù)測(cè)集數(shù)據(jù)的本征模態(tài)分量和殘余分量分別輸入訓(xùn)練好的LSTM子學(xué)習(xí)器和MLP子學(xué)習(xí)器，基于并行式集成方法，把各子學(xué)習(xí)器預(yù)測(cè)結(jié)果集成，從而輸出t+1時(shí)刻的鋰電池壽命預(yù)測(cè)結(jié)果根據(jù)判斷電池健康狀態(tài)是否達(dá)到電池壽命終止(EOL)條件，即預(yù)測(cè)結(jié)果達(dá)到鋰電池額定容量的80％，若未到達(dá)到條件，則重復(fù)步驟3-5完成下一時(shí)刻壽命預(yù)測(cè)并判定鋰電池健康狀況。

2.根據(jù)權(quán)利要求1所述的鋰電池剩余壽命預(yù)測(cè)方法，其特征在于：所述的步驟2原始信號(hào)變分模態(tài)分解包括如下步驟：

步驟21、初始化IMF分量和中心頻率：將鋰電池容量衰減數(shù)據(jù)C分解出k個(gè)IMF分量，將各IMF分量及其中心頻率作為初始化值；

步驟22、更新IMF分量和中心頻率：根據(jù)傅里葉變換定理對(duì)IMF分量和中心頻率進(jìn)行更新；

步驟23、更新拉格朗日乘子；

步驟24、迭代停止判定：設(shè)定ε＞0作為判別精度，若殘差小于判別精度，則停止迭代，否則重復(fù)步驟22-步驟24。

3.根據(jù)權(quán)利要求1所述的鋰電池剩余壽命預(yù)測(cè)方法，其特征在于：所述的步驟3構(gòu)建子學(xué)習(xí)器長(zhǎng)短期記憶神經(jīng)網(wǎng)絡(luò)包括如下步驟：

步驟31、計(jì)算隱藏層輸出值：若在當(dāng)前時(shí)刻，假設(shè)網(wǎng)絡(luò)模型的輸入由當(dāng)前時(shí)刻的輸入(變分模態(tài)分解后的模態(tài)向量)及前一時(shí)刻隱藏層的輸出值兩部分組成，計(jì)算得出當(dāng)前時(shí)刻隱藏層輸出值，重復(fù)此操作直至所有輸入都讀取完成；

步驟32、暫時(shí)記憶狀態(tài)信息：在更新記憶單元之前，會(huì)先產(chǎn)生暫時(shí)記憶單元，由當(dāng)前時(shí)刻的輸入以及前一時(shí)刻的隱藏層狀態(tài)值得出暫時(shí)記憶狀態(tài)信息，從而進(jìn)一步更新狀態(tài)；

步驟33、計(jì)算輸入門狀態(tài)值：輸入門決定了當(dāng)前時(shí)刻網(wǎng)絡(luò)的輸入有多少保存到輸入單元，因此對(duì)于此刻數(shù)據(jù)輸入，輸入門會(huì)有限度地存儲(chǔ)關(guān)鍵信息至此輸入門單元；

步驟34、計(jì)算遺忘門狀態(tài)值；遺忘門決定了上一時(shí)刻的單元狀態(tài)有多少保留到當(dāng)前時(shí)刻；

步驟35、計(jì)算目前記憶單元狀態(tài)值；

步驟36、計(jì)算輸出門狀態(tài)值：獲得此時(shí)狀態(tài)值結(jié)果；

步驟37、單元記憶輸出。

4.根據(jù)權(quán)利要求1所述的鋰電池剩余壽命預(yù)測(cè)方法，其特征在于：所述的步驟4構(gòu)建子學(xué)習(xí)器多層感知機(jī)包括如下步驟：

步驟41、MLP前向傳播：初始化多個(gè)權(quán)重矩陣，以及偏差系數(shù)，計(jì)算輸出層輸出；

步驟42、MLP反向傳播：尋出最恰當(dāng)?shù)木€性系數(shù)矩陣和偏倚向量，采用梯度下降求最優(yōu)解，不斷迭代更新，從而具有優(yōu)秀非線性擬合性能。