留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

基于改进相关向量机的锂电池寿命预测方法

王春雷 赵琦 秦孝丽 冯文全

王春雷, 赵琦, 秦孝丽, 等 . 基于改进相关向量机的锂电池寿命预测方法[J]. 北京航空航天大学学报, 2018, 44(9): 1998-2003. doi: 10.13700/j.bh.1001-5965.2018.0181
引用本文: 王春雷, 赵琦, 秦孝丽, 等 . 基于改进相关向量机的锂电池寿命预测方法[J]. 北京航空航天大学学报, 2018, 44(9): 1998-2003. doi: 10.13700/j.bh.1001-5965.2018.0181
WANG Chunlei, ZHAO Qi, QIN Xiaoli, et al. Life prediction method of lithium battery based on improved relevance vector machine[J]. Journal of Beijing University of Aeronautics and Astronautics, 2018, 44(9): 1998-2003. doi: 10.13700/j.bh.1001-5965.2018.0181(in Chinese)
Citation: WANG Chunlei, ZHAO Qi, QIN Xiaoli, et al. Life prediction method of lithium battery based on improved relevance vector machine[J]. Journal of Beijing University of Aeronautics and Astronautics, 2018, 44(9): 1998-2003. doi: 10.13700/j.bh.1001-5965.2018.0181(in Chinese)

基于改进相关向量机的锂电池寿命预测方法

doi: 10.13700/j.bh.1001-5965.2018.0181
详细信息
    作者简介:

    王春雷  男, 硕士研究生。主要研究方向:机器学习

    赵琦  女, 博士, 副教授, 硕士生导师。主要研究方向:通信与信息系统、航天器健康管理等

    秦孝丽  女, 硕士研究生。主要研究方向:故障诊断与预测

    冯文全  男, 博士, 教授, 博士生导师。主要研究方向:卫星综合测试与仿真、遥测遥控、卫星导航

    通讯作者:

    赵琦.E-mail:zhaoqi@buaa.edu.cn

  • 中图分类号: TM912.9

Life prediction method of lithium battery based on improved relevance vector machine

More Information
  • 摘要:

    锂电池具有轻便安全、循环寿命长和安全性能好等优点,作为一个被广泛应用的储能电源,锂电池健康管理和寿命预测是国内外研究的热点。建立锂电池寿命预测方法和模型,基于实验历史数据,建立电池衰减模型从而对整个电池的工作状态进行评估,及时对设备进行维护和替换,以确保电池工作的稳定。对相关向量机(RVM)的核函数进行了组合改进,优化了RVM的性能,减小了锂电池寿命预测的偏差度,提高了预测精度。

     

  • 图 1  RVM预测方法流程

    Figure 1.  RVM predictive method process

    图 2  4组电池容量退化趋势

    Figure 2.  Four groups of battery capacity degradation trends

    表  1  B0005电池预测结果

    Table  1.   B0005 battery prediction results

    预测方法 预测起点 偏差度 标准差 拟合程度 运行时间/s
    组合核函数 70 0.003 365 5 0.013 604 0.979 43 3.221
    高斯核函数 70 0.010 356 0.013 678 0.979 42 2.938
    下载: 导出CSV

    表  2  B0006电池预测结果

    Table  2.   B0006 battery prediction results

    预测方法 预测起点 偏差度 标准差 拟合程度 运行时间/s
    组合核函数 80 0.006 954 2 0.016 442 0.972 59 3.634
    高斯核函数 80 0.008 217 0.017 83 0.967 837 3.718
    下载: 导出CSV

    表  3  B0007电池预测结果

    Table  3.   B0007 battery prediction results

    预测方法 预测起点 偏差度 标准差 拟合程度 运行时间/s
    组合核函数 80 0.000 959 2 0.010 576 0.974 3 3.71
    高斯核函数 80 0.002 875 8 0.011 009 0.972 19 3.593
    下载: 导出CSV

    表  4  B0018电池预测结果

    Table  4.   B0018 battery prediction results

    预测方法 预测起点 偏差度 标准差 拟合程度 运行时间/s
    组合核函数 60 -0.000 522 0.008 783 0.975 64 2.188
    高斯核函数 60 -0.026 622 0.029 332 0.777 98 1.954
    下载: 导出CSV
  • [1] 张卓识.锂离子电池建模与故障预测方法研究[D].大连: 大连海事大学, 2016.

    ZHANG Z S.Study of lithium-ion battery modeling and prognostics method[D].Dalian: Maritime Affairs University of Dalian, 2016(in Chinese).
    [2] 朱亮标.基于数据驱动的锂离子电池剩余寿命预测模型及软件实现[D].广州: 华南理工大学, 2014.

    ZHU L B.Remaining life prediction model and Software implementation for lithium-ion battery based on data-driven[D].Guangzhou: Institutes of Technology of South China, 2014(in Chinese).
    [3] 艾力, 房红征, 于功敬, 等.基于数据驱动的卫星锂离子电池寿命预测方法[J].计算机测量与控制, 2015, 23(4):1262-1265. doi: 10.3969/j.issn.1671-4598.2015.04.059

    AI L, FANG H Z, YU G J, et al.Research on data-driven life prediction methods of satellite lithium-ion battery[J].Computer Measurement & Control, 2015, 23(4):1262-1265(in Chinese). doi: 10.3969/j.issn.1671-4598.2015.04.059
    [4] 郑方丹.基于数据驱动的多时间尺度锂离子电池状态评估技术研究[D].北京: 北京交通大学, 2017.

    ZHENG F D.Multi-time scale state estimation of lithium-ion batteries using data driven method[D].Beijing: Beijing Jiaotong University, 2017(in Chinese).
    [5] 赵春辉, 张燚.相关向量机分类方法的研究进展与分析[J].智能系统学报, 2012, 7(4):294-301. doi: 10.3969/j.issn.1673-4785.201112019

    ZHAO C H, ZHANG Y.Research progress and analysis on methods for classification of RVM[J].CAAI Transactions on Intelligent Systems, 2012, 7(4):294-301(in Chinese). doi: 10.3969/j.issn.1673-4785.201112019
    [6] 杨树仁, 沈洪远.基于相关向量机的机器学习算法研究与应用[J].计算机技术与自动化, 2010, 29(1):43-47. http://d.old.wanfangdata.com.cn/Periodical/jsjsyzdh201001013

    YANG S R, SHEN H Y.Research on data-driven life prediction methods of satellite lithium-ion battery[J].Computer Measurement & Control, 2010, 29(1):43-47(in Chinese). http://d.old.wanfangdata.com.cn/Periodical/jsjsyzdh201001013
    [7] TIPPING M.The relevance vector machine, 2000[C]//Advances in Neural Information Processing Systems.Cambridge: MIT Press, 2000: 652-658.
    [8] 黄海.锂离子动力电池老化特性研究与循环寿命预测[D].济南: 山东大学, 2016.

    HUANG H.Research on aging performances and cycle-life predictions of Li-ion battery[D].Jinan: Shandong University, 2016(in Chinese).
    [9] 王立昆, 杨新峰.一种基于RVM回归的分类方法[J].电子科技, 2011, 24(5):14-16. http://d.old.wanfangdata.com.cn/Periodical/dzkj201105005

    WANG L K, YANG X F.A classification method based on RVM regression[J].Electronic Science and Technology, 2011, 24(5):14-16(in Chinese). http://d.old.wanfangdata.com.cn/Periodical/dzkj201105005
    [10] 周建宝.基于RVM的锂离子电池剩余寿命预测方法研究[D].哈尔滨: 哈尔滨工业大学, 2013: 20-23.

    ZHOU J B.Research on lithium-ion battery remaining useful life estimation with relevance vector machine[D].Harbin: Harbin Institute of Technology, 2013: 20-23(in Chinese).
    [11] 杨柳, 张磊, 张少勋, 等.单核和多核相关向量机的比较研究[J].计算机工程, 2010, 36(12):195-197. http://d.old.wanfangdata.com.cn/Periodical/jsjgc201012067

    YANG L, ZHANG L, ZHANG S X, et al.Comparison research of single kernel and multi-kernel relevance vector machine[J].Computer Engineering, 2010, 36(12):195-197(in Chinese). http://d.old.wanfangdata.com.cn/Periodical/jsjgc201012067
    [12] 豆金昌.锂离子电池健康评估及剩余使用寿命预测方法研究[D].南京: 南京航空航天大学, 2013.

    DOU J C.Health assessment and remaining useful life prediction of Li-ion battery[D].Nanjing: Nanjing University of Aeronautics and Astronautics, 2013(in Chinese).
    [13] 李晗, 萧德云.基于数据驱动的故障诊断方法综述[J].控制与决策, 2011, 26(1):1-9. http://d.old.wanfangdata.com.cn/Periodical/zdhxb201609001

    LI H, XIAO D Y.Survey on data fault diagnosis methods[J].Control and Decision, 2011, 26(1):1-9(in Chinese). http://d.old.wanfangdata.com.cn/Periodical/zdhxb201609001
    [14] 张金, 魏影, 韩裕生, 等.一种改进的锂离子电池剩余寿命预测算法[J].电子技术应用, 2015, 41(8):110-112. http://d.old.wanfangdata.com.cn/Periodical/dzjsyy201508032

    ZHANG J, WEI Y, HAN Y S, et al.An improved particle filter algorithm for lithium-ion battery remaining useful life prediction[J].Application of Electronic Technique, 2015, 41(8):110-112(in Chinese). http://d.old.wanfangdata.com.cn/Periodical/dzjsyy201508032
    [15] 李柱.锂离子电池寿命预测方法研究[D].淮南: 安徽理工大学, 2017.

    LI Z.Study on remaining useful life prediction method for lithium-ion batteries[D].Huainan: Anhui University of Science and Technology, 2017(in Chinese).
    [16] 杨丽.基于模型驱动的锂离子电池剩余寿命预测方法研究[D].哈尔滨: 哈尔滨工业大学, 2016.

    YANG L.Research on lithium-ion battery rul model driven prognosis method[D].Harbin: Harbin Institute of Technology, 2016(in Chinese).
  • 加载中
图(2) / 表(4)
计量
  • 文章访问数:  379
  • HTML全文浏览量:  2
  • PDF下载量:  639
  • 被引次数: 0
出版历程
  • 收稿日期:  2018-04-04
  • 录用日期:  2018-05-11
  • 刊出日期:  2018-09-20

目录

    /

    返回文章
    返回
    常见问答