[發(fā)明專利]一種小樣本條件下的鋰電池剩余壽命預(yù)測(cè)方法

有效

• 申請(qǐng)?zhí)枺?/td>: 202110654915.4
• 申請(qǐng)日: 2021-06-11
• 公開（公告）號(hào): CN113391211B
• 公開（公告）日: 2022-04-19
• 發(fā)明（設(shè)計(jì)）人: 劉震;陳嘯午;汪靜元;程玉華;王厚軍
• 申請(qǐng)（專利權(quán)）人: 電子科技大學(xué)
• 主分類號(hào): G01R31/367
• 分類號(hào): G01R31/367;G01R31/387;G01R31/392;G06F30/27;G06N3/04;G06N3/08
• 代理公司: 四川鼎韜律師事務(wù)所 51332
• 代理人: 溫利平

1.一種小樣本條件下的鋰電池剩余壽命預(yù)測(cè)方法，其特征在于，包括以下步驟：

(1)、獲取鋰電池容量在不同時(shí)刻的退化量；

通過(guò)加速N個(gè)鋰電池的壽命實(shí)驗(yàn)，采樣每個(gè)鋰電池在不同時(shí)刻的容量，再將每個(gè)鋰電池在不同時(shí)刻的容量與初始容量做差，獲得每個(gè)鋰電池在不同時(shí)刻的容量退化量，其中，第i個(gè)鋰電池在不同時(shí)刻的容量退化量記為其中，i＝1,2,…,N，表示第i個(gè)鋰電池的初始容量退化量，表示第i個(gè)鋰電池在第t個(gè)時(shí)刻的容量退化量，t＝1,2,…,T，T表示采樣時(shí)刻數(shù)；

(2)、構(gòu)建鋰電池在每個(gè)采樣時(shí)刻的二階段維納過(guò)程模型；

其中，μ₁和μ₂分別是第一階段和第二階段維納過(guò)程的漂移系數(shù)；φ₁和φ₂分別是第一階段和第二階段維納過(guò)程的擴(kuò)散系數(shù)；B(t)為標(biāo)準(zhǔn)布朗運(yùn)動(dòng)，τ表示鋰電池容量退化的拐點(diǎn)時(shí)刻，x₀表示鋰電池的初始容量退化量，x_τ表示鋰電池在拐點(diǎn)時(shí)刻τ時(shí)對(duì)應(yīng)的容量退化量；

(3)、利用最大似然估計(jì)算法估計(jì)每個(gè)鋰電池在二階段維納過(guò)程模型中的參數(shù)θ_i；

(3.1)、設(shè)第i個(gè)鋰電池在X(t)中的模型參數(shù)為θ_i，其中，μ_i,1,μ_i,2表示第i個(gè)鋰電池在第一階段和第二階段維納過(guò)程的漂移系數(shù)，φ_i,1,φ_i,2表示第i個(gè)鋰電池在第一階段和第二階段維納過(guò)程的擴(kuò)散系數(shù)，τ_i表示第i個(gè)鋰電池容量退化的拐點(diǎn)時(shí)刻；

(3.2)、利用最大似然估計(jì)算法估計(jì)θ_i：

其中，為的協(xié)方差矩陣，具體滿足：為的協(xié)方差矩陣，具體滿足：

(3.3)、將N個(gè)鋰電池估計(jì)的的參數(shù)構(gòu)建參數(shù)集合Θ＝{θ₁,θ₂,…,θ_i,…,θ_N}；

(4)、估計(jì)每個(gè)θ_i的分布參數(shù)；

在二階段維納過(guò)程模型中，令漂移系數(shù)μ₁服從正態(tài)分布的隨機(jī)變量其中，為μ₁的均值，為μ₁方差；令漂移系數(shù)μ₂服從正態(tài)分布的隨機(jī)變量令鋰電池容量退化的拐點(diǎn)時(shí)刻τ服從伽馬分布的隨機(jī)變量τ～Ga(α,β)，其中，α,β分別表示形狀參數(shù)和逆尺度參數(shù)；

那么，在參數(shù)集合Θ中，利用{μ_1,1,μ_2,1,…,μ_i,1,…,μ_N,1}估計(jì)μ₁的分布參數(shù)利用{μ₁₂,μ₂₂,…,μ_i2,…,μ_N2}估計(jì)μ₂的分布參數(shù)利用{τ₁,τ₂,…,τ_i,…,τ_N}估計(jì)τ的分布參數(shù)α,β；

(5)、生成采樣數(shù)據(jù)

(5.1)、將步驟(3)中所有鋰電池在第一階段和第二階段維納過(guò)程的擴(kuò)散系數(shù)與分別求均值，其結(jié)果作為采樣參數(shù)，分別記為

(5.2)、對(duì)隨機(jī)變量{μ₁,μ₂,τ}進(jìn)行采樣，設(shè)共計(jì)采樣N_simulate組參數(shù)，結(jié)合步驟(5.1)得到將每一組采樣參數(shù)記為：

(5.3)、將N_simulate組采樣參數(shù)依次代入至二階段維納過(guò)程模型X(t)，得到N_simulate組鋰電池容量退化數(shù)據(jù)；

(6)、利用每一組鋰電池容量退化數(shù)據(jù)訓(xùn)練一個(gè)ELM神經(jīng)網(wǎng)絡(luò)，從而得到N_simulate個(gè)用于預(yù)測(cè)鋰電池剩余壽命的ELM神經(jīng)網(wǎng)絡(luò)；

(7)、按照步驟(1)所述方法采集待測(cè)鋰電池前個(gè)時(shí)刻的容量退化量，記為表示待測(cè)鋰電池在個(gè)時(shí)刻的容量退化量；

設(shè)置失效閾值w；判斷是否小于失效閾值w，如果小于，則進(jìn)入步驟(8)；否則，判斷待測(cè)鋰電池失效，算法結(jié)束；

(8)、選最優(yōu)的ELM神經(jīng)網(wǎng)絡(luò)；

(8.1)、在中，取前個(gè)時(shí)刻的容量退化量作為每一個(gè)ELM神經(jīng)網(wǎng)絡(luò)的輸入，通過(guò)ELM神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)出第時(shí)刻的容量退化量

(8.2)、如果則迭代停止，并記錄ELM神經(jīng)網(wǎng)絡(luò)的預(yù)測(cè)時(shí)長(zhǎng)否則，將第時(shí)刻的預(yù)測(cè)值加入到輸入中，得到新的輸入并輸入至每一個(gè)ELM神經(jīng)網(wǎng)絡(luò)，從而輸出下一個(gè)時(shí)刻的容量退化量，然后再判斷比較此時(shí)刻的預(yù)測(cè)值與的大小，以此類推，直到第個(gè)時(shí)刻的容量退化量完成預(yù)測(cè)；

(8.3)、將每個(gè)ELM神經(jīng)網(wǎng)絡(luò)的預(yù)測(cè)時(shí)長(zhǎng)與作差，選取差值最小對(duì)應(yīng)的ELM神經(jīng)網(wǎng)絡(luò)作為最優(yōu)網(wǎng)絡(luò)；

(9)、待測(cè)鋰電池剩余壽命的實(shí)時(shí)預(yù)測(cè)；

(9.1)、在中，取后個(gè)時(shí)刻的容量退化量作為最優(yōu)ELM神經(jīng)網(wǎng)絡(luò)的輸入；通過(guò)ELM神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)出第時(shí)刻的容量退化量

(9.2)、如果則迭代停止，待測(cè)鋰電池已退化至失效閾值，判斷其已經(jīng)失效，算法結(jié)束；否則，將第時(shí)刻的預(yù)測(cè)值加入到輸入中，得到新的輸入并輸入至最優(yōu)ELM神經(jīng)網(wǎng)絡(luò)，從而輸出下一個(gè)時(shí)刻的容量退化量，再次判斷待測(cè)鋰電池是否已退化至失效閾值，然后以此類推，直到待測(cè)鋰電池已退化至失效閾值；

(9.3)、記錄待測(cè)鋰電池退化至失效閾值所對(duì)應(yīng)的時(shí)刻，記為將時(shí)刻至?xí)r刻作為待測(cè)鋰電池的剩余壽命。