文献类型：期刊文章

作　　者：周雅夫[1,2] 刘邵勋[1,2] 孙宵宵[1,2] 黄立建[1,2] 连静[1,2]

ZHOU Yafu;LIU Shaoxun;SUN Xiaoxiao;HUANG Lijian;LIAN Jing(State Key Laboratory of Structural Analysis for Industrial Equipment(Dalian University of Technology),Dalian 116024,Liaoning,China;School of Automotive Engineering,Faculty of Vehicle Engineering and Mechanics,Dalian University of Technology,Dalian 116024,Liaoning,China)

机构地区：[1]工业装备结构分析国家重点实验室(大连理工大学),辽宁大连116024 [2]大连理工大学运载工程与力学学部汽车工程学院,辽宁大连116024

出　　处：《哈尔滨工业大学学报》

基　　金：国家重点研发计划(2018YFE0105100)。

年　　份：2022

卷　　号：54

期　　号：6

起止页码：37-44

语　　种：中文

收录情况：BDHX、BDHX2020、CAS、CSCD、CSCD2021_2022、EI、IC、JST、RCCSE、SCOPUS、ZGKJHX、ZMATH、核心刊

摘　　要：为准确量化车用动力电池老化程度,提升其行业利用率,实现电池的全生命周期剩余寿命(Remaining useful life,RUL)的精确预测,提出一种基于多系数模型的车用动力电池全生命周期寿命预测方法。该方法融合重组了传统的经验指数模型和改进后的多项式回归模型,重组后的模型能在实验数据分析的基础上追踪电池全生命周期内的寿命退化趋势。该方法采用粒子滤波(Particle filter,PF)思想在线调整模型参数,设计了针对动力电池不同状态,不同容量种类的算例预测电池的RUL,通过改进多项式回归模型,传统经验指数模型以及多系数模型的预测精度对比评估模型。实验结果表明:相较于经验指数模型和改进后的多项式回归模型,本文提出的多系数模型针对电池容量衰减具有更好的拟合能力;结合粒子滤波算法,该模型无论是对在役电池还是退役电池均具有高精度的寿命预测结果。该方法对不同容量的动力电池均能准确预测电池失效时间,在电池梯次利用行业具有一定的适用性。

关 键 词：动力电池 寿命预测  粒子滤波 融合模型  容量衰减  

分 类 号：TM911]