-
题名锂电池剩余寿命的ELM间接预测方法
被引量：55
- 1
-
-
作者
姜媛媛
刘柱
罗慧
王辉
-
机构
安徽理工大学电气信息与工程学院
南京农业大学工学院
-
出处
《电子测量与仪器学报》
CSCD
北大核心
2016年第2期179-185,共7页
-
基金
国家自然科学基金(61401215)
安徽省高校优秀青年人才支持计划重点项目(gxyq ZD2016082)项目资助
-
文摘
针对锂电池直接预测剩余使用寿命难及预测结果不准确等问题,提出利用锂电池循环充放电监测参数构建间接寿命特征参数的方法。应用一阶偏相关系数分析法验证间接寿命特征参数与直接参数间的相关性,选择等压降放电时间作为锂电池间接寿命特征参数,构建基于ELM的等压降放电时间与实际容量的关系模型和等压降放电时间预测模型,实现锂电池的RUL预测。基于NASA锂电池数据集预测并评估锂电池的RUL,并且与ELM直接预测方法和高斯过程回归间接预测方法相比较,本方法能够有效的预测锂电池的RUL,预测结果的误差范围为5%左右,具备较好的锂电池RUL预测精度。
-
关键词
间接预测
剩余寿命特征参数
极限学习机(ELM)
锂电池
-
Keywords
indirect prediction
characteristic parameters of remaining life
extreme learning machine（ELM）
lithium battery
-
分类号
TK02
[动力工程及工程热物理]
TP206.3
[自动化与计算机技术—检测技术与自动化装置]
-
-
题名基于最优权阈值ELM算法的锂离子电池RUL预测
被引量：8
- 2
-
-
作者
刘柱
姜媛媛
罗慧
周利华
-
机构
安徽理工大学电气信息与工程学院
南京航空航天大学自动化学院
南京农业大学工学院
-
出处
《电源学报》
CSCD
北大核心
2018年第4期168-173,共6页
-
基金
国家自然科学基金资助项目(51604011)
安徽省自然科学基金资助项目(1708085QF135)
+1 种基金
安徽省高校自然科学研究资助项目(KJ2017A077)
安徽省高校优秀青年骨干人才国外访学研修资助项目(gxfx2017025)~~
-
文摘
针对锂离子电池剩余使用寿命RUL(remaining useful life)预测结果不准确及极限学习机ELM(extreme learning machine)权阈值随机选取等问题,提出利用ELM模型间接预测锂离子电池RUL的方法 ,并利用遗传蚂蚁算法GAAA(genetic algorithm ant algorithm)选取ELM的最优权值与阈值,建立基于等压降放电时间间接寿命特征参数的最优GAAA-ELM锂离子电池RUL预测模型。基于NASA锂离子电池数据集预测和评估锂离子电池的RUL,并与BP模型预测方法、ELM模型预测方法和GA-ELM模型预测方法相比较,结果表明该方法能够更准确有效地实现锂离子电池RUL预测。
-
关键词
极限学习机(ELM)
锂离子电池
遗传蚂蚁算法(GAAA)
-
Keywords
extreme learning machine（ELM）
lithium-ion battery
genetic algorithm-ant algorithm（~GAAA~
-
分类号
S237
[农业科学—农业机械化工程]
TP206.3
[自动化与计算机技术—检测技术与自动化装置]
-
