原文传递
基于粒子滤波的动力电池剩余使用寿命预测研究
| 论文题名： | 基于粒子滤波的动力电池剩余使用寿命预测研究 |
| 关键词： | 电动汽车;锂离子动力电池;剩余使用寿命;粒子滤波算法 |
| 摘要： | 锂离子动力电池作为纯电动汽车的主要部件，其可靠性和安全性备受大众关注。由于车载锂离子动力电池的寿命衰减无可避免，为确保车辆安全稳定地运行，当动力电池的寿命衰减到特定阈值时就需要对其进行更换，以避免电池失效导致事故或经济损失，甚至人员伤亡。锂离子动力电池寿命退化趋势具有强非线性非高斯特征，其剩余使用寿命(RUL)无法直接获取，所以需要进行准确的RUL预测。 本文对锂离子动力电池结构原理和寿命退化机理进行了分析，并以电池的剩余容量来评估其剩余使用寿命。搭建电池测试实验平台，对型号为INR21700M50T的车载锂离子动力电池进行了寿命加速实验，得到电池容量退化数据。根据数据呈现趋势选取了两种经验模型对其进行拟合。基于对拟合结果的分析，选取了双指数模型作为电池容量退化模型，同时通过数据拟合求得了模型参数。 对具有很强非线性非高斯系统处理能力的粒子滤波(PF)算法进行研究，针对PF算法存在的建议密度分布选取欠佳、粒子退化问题和粒子多样性丧失问题进行改进。利用无迹卡尔曼滤波(UKF)对建议密度分布的选取进行优化，同时分别引入改进残差重采样(IRR)与高斯粒子群优化(GPSO)算法来减缓粒子退化问题和粒子多样性丧失问题，提出了基于改进残差重采样的无迹粒子滤波(IRR-UPF)算法和基于高斯粒子群优化的无迹粒子滤波(GPSO-UPF)算法。基于PF及其改进算法进行电池RUL预测仿真，将预测结果与两组电池容量数据进行对比，并利用绝对误差(AE)和相对误差(RE)来评估预测精度。得出改进PF算法在提高预测精度的同时还具有更高的预测稳定性。且对于不同电池都具有较为稳定精确的RUL预测结果，以及较低误差的滤波跟踪结果，表明算法具有一定的普适性。 通过对标准PF算法进行改进，本文提升了PF算法对车载锂离子动力电池RUL的预测精度和预测稳定性，并利用实验数据对其进行了验证。 |
| 作者： | 夏飞鸿 |
| 专业： | 车辆工程 |
| 导师： | 何锋 |
| 授予学位： | 硕士 |
| 授予学位单位： | 贵州大学 |
| 学位年度： | 2022 |
检索历史
应用推荐
