锂离子电池健康状态(state of health,SOH)估计对确保能量存储系统的可靠性和安全性至关重要。然而,现有SOH估计方法在单一特征提取和固定充放电条件依赖方面存在局限性,难以适应多变的实际工作环境。为解决这一问题,本工作提出了一种...锂离子电池健康状态(state of health,SOH)估计对确保能量存储系统的可靠性和安全性至关重要。然而,现有SOH估计方法在单一特征提取和固定充放电条件依赖方面存在局限性,难以适应多变的实际工作环境。为解决这一问题,本工作提出了一种基于弛豫电压的并行多尺度特征融合卷积模型(multi-scale feature fusion convolution model,MSFFCM)结合极端梯度提升树(XGBoost)的SOH估计方法。MSFFCM通过多层堆叠卷积模块提取弛豫电压数据的深层特征,同时利用并行多尺度注意力机制增强了多尺度特征的捕捉能力,并将这些特征与统计特征进行融合,以提升模型的特征提取和融合能力。针对XGBoost模型,本工作应用贝叶斯优化算法进行参数调优,从而在多源融合特征基础上实现高精度SOH估计。实验验证基于两种商用18650型号电池的多温度和多充放电策略数据集,结果表明该方法的均方根误差(RMSE)和平均绝对误差(MAE)均小于0.5%,明显优于传统方法。本工作为锂电池健康管理提供了一种不依赖特定充放电条件的有效估计工具,有望在复杂的实际应用中发挥重要作用。展开更多
针对不同观测矩阵加权最小二乘算法没有考虑到模型参数本身信息的共同缺点,提出基于贝叶斯估计的带不同观测矩阵的加权最小二乘分布式(Bayes Estimation Weighted Least Square,BEWLS)融合Kalman滤波算法。该方法首先采用推广的离散卡...针对不同观测矩阵加权最小二乘算法没有考虑到模型参数本身信息的共同缺点,提出基于贝叶斯估计的带不同观测矩阵的加权最小二乘分布式(Bayes Estimation Weighted Least Square,BEWLS)融合Kalman滤波算法。该方法首先采用推广的离散卡尔曼滤波对非线性系统线性化,然后在考虑模型参数本身的先验信息条件下,采用基于贝叶斯(Bayes)估计方法对Kalman滤波算法的观测方程进行加权最小二乘融合。BEWLS融合算法减少了计算负担,提高了融合精度,便于实时应用。理论和仿真证明:BEWLS融合具有优越性。展开更多
本文研究了具有通信带宽约束的多传感器网络系统的多速率状态分布融合估计。对于多速率采样数据系统,提出了一种新的扩充方法,将多速率采样数据系统转换为单速率系统。首先,为了满足有限的通信带宽,采用降维策略只允许局部估计信号的部...本文研究了具有通信带宽约束的多传感器网络系统的多速率状态分布融合估计。对于多速率采样数据系统,提出了一种新的扩充方法,将多速率采样数据系统转换为单速率系统。首先,为了满足有限的通信带宽,采用降维策略只允许局部估计信号的部分分量发送到融合中心(fusion center,FC),同时给出了一种补偿策略来补偿每个分量的未发送分量。然后,对于由多速率传感器产生的局部状态估计,借助顺序快速协方差交叉(sequential fast co⁃variance intersection,SFCI)方法,提出了一种新的融合估计方法。最后,提供了一个对导航系统定位追踪的仿真实例,验证所提出的分布式融合估计方法的有效性。展开更多
文摘针对不同观测矩阵加权最小二乘算法没有考虑到模型参数本身信息的共同缺点,提出基于贝叶斯估计的带不同观测矩阵的加权最小二乘分布式(Bayes Estimation Weighted Least Square,BEWLS)融合Kalman滤波算法。该方法首先采用推广的离散卡尔曼滤波对非线性系统线性化,然后在考虑模型参数本身的先验信息条件下,采用基于贝叶斯(Bayes)估计方法对Kalman滤波算法的观测方程进行加权最小二乘融合。BEWLS融合算法减少了计算负担,提高了融合精度,便于实时应用。理论和仿真证明:BEWLS融合具有优越性。
文摘本文研究了具有通信带宽约束的多传感器网络系统的多速率状态分布融合估计。对于多速率采样数据系统,提出了一种新的扩充方法,将多速率采样数据系统转换为单速率系统。首先,为了满足有限的通信带宽,采用降维策略只允许局部估计信号的部分分量发送到融合中心(fusion center,FC),同时给出了一种补偿策略来补偿每个分量的未发送分量。然后,对于由多速率传感器产生的局部状态估计,借助顺序快速协方差交叉(sequential fast co⁃variance intersection,SFCI)方法,提出了一种新的融合估计方法。最后,提供了一个对导航系统定位追踪的仿真实例,验证所提出的分布式融合估计方法的有效性。
