基于小波降噪和相關(guān)向量機(jī)的鋰電池剩余壽命預(yù)測(cè)方法
【專利摘要】基于小波降噪和相關(guān)向量機(jī)的鋰電池剩余壽命預(yù)測(cè)方法,涉及一種估計(jì)鋰電池健康狀況并預(yù)測(cè)其剩余壽命的方法,包括以下步驟:測(cè)量鋰電池隨著充放電周期的健康狀況數(shù)據(jù);對(duì)測(cè)量的鋰電池容量數(shù)據(jù)進(jìn)行小波二次降噪;計(jì)算鋰電池失效的容量閾值;基于鋰電池容量數(shù)據(jù)序列和充放電周期數(shù)據(jù)序列,應(yīng)用差分進(jìn)化算法對(duì)相關(guān)向量機(jī)算法的寬度因子進(jìn)行優(yōu)化選擇;應(yīng)用經(jīng)差分進(jìn)化算法優(yōu)化后的相關(guān)向量機(jī)算法預(yù)測(cè)鋰電池的剩余壽命。本發(fā)明操作方法簡(jiǎn)單有效,可精確地預(yù)測(cè)鋰電池的剩余壽命。
【專利說明】基于小波降噪和相關(guān)向量機(jī)的鋰電池剩余壽命預(yù)測(cè)方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及基于小波降噪和相關(guān)向量機(jī)的鋰電池剩余壽命預(yù)測(cè)方法,具體來說, 涉及通過小波二次降噪提取原始數(shù)據(jù),并基于該數(shù)據(jù)應(yīng)用相關(guān)向量機(jī)算法建立預(yù)測(cè)模型對(duì) 鋰電池的剩余壽命進(jìn)行預(yù)測(cè)的方法。
【背景技術(shù)】
[0002] 鋰電池廣泛地應(yīng)用于便攜式電子設(shè)備、電動(dòng)汽車以及軍事電子系統(tǒng)等設(shè)備中,鋰 電池的失效將會(huì)引起設(shè)備的性能下降、功能失靈、反應(yīng)遲緩以及其他電子故障。因此對(duì)鋰 電池的剩余壽命進(jìn)行預(yù)測(cè),是十分必要的。
[0003] 鋰電池的健康狀況一般應(yīng)用其電池容量進(jìn)行表征,而容量數(shù)據(jù)在不斷的充放電周 期中通過測(cè)量獲得。由于在測(cè)量過程中不可避免地存在電磁干擾、測(cè)量誤差、隨機(jī)負(fù)載以及 鋰電池內(nèi)部的不可預(yù)知物理或化學(xué)的行為,故測(cè)量得到的鋰電池容量數(shù)據(jù)中一般包含各種 類型及不同大小的噪聲,從而導(dǎo)致無法準(zhǔn)確地進(jìn)行壽命預(yù)測(cè)。
[0004] 小波降噪是一種新興的原始數(shù)據(jù)提取方法,通過小波分解與重構(gòu),可提取原始數(shù) 據(jù),消除或減弱噪聲。然而,由于鋰電池容量數(shù)據(jù)的噪聲為多類型及不同大小的特點(diǎn),故應(yīng) 用基本的小波降噪算法難以較好地去除。相關(guān)向量機(jī)是一種基于貝葉斯框架的回歸預(yù)測(cè)算 法,運(yùn)算速度快,適用于在線檢測(cè),已有研究證明相關(guān)向量機(jī)的預(yù)測(cè)精度高于支持向量機(jī)和 神經(jīng)網(wǎng)絡(luò)等常用算法。相關(guān)向量機(jī)算法中核函數(shù)的寬度因子對(duì)預(yù)測(cè)精度有極大的影響,以 往多采用經(jīng)驗(yàn)嘗試法獲得,鋰電池剩余壽命預(yù)測(cè)精度偏低。
【發(fā)明內(nèi)容】
[0005] 本發(fā)明要解決的技術(shù)問題是,克服現(xiàn)有技術(shù)存在的上述缺陷,提出一種基于小波 降噪和相關(guān)向量機(jī)的鋰電池剩余壽命預(yù)測(cè)方法,具有可有效去除噪聲及提取原始數(shù)據(jù),并 可精確預(yù)測(cè)鋰電池剩余壽命的優(yōu)點(diǎn)。
[0006] 該方法首先通過小波二次降噪的方法處理測(cè)量的鋰電池容量數(shù)據(jù),去除噪聲并提 取有效的原始數(shù)據(jù),然后通過應(yīng)用基于差分進(jìn)化算法優(yōu)化了寬度因子的相關(guān)向量機(jī)算法預(yù) 測(cè)該鋰電池的剩余壽命,即剩余充放電周期。
[0007] 本發(fā)明解決其技術(shù)問題所采用的技術(shù)方案為: 基于小波降噪和相關(guān)向量機(jī)的鋰電池剩余壽命預(yù)測(cè)方法,包括以下步驟: (1) 通過測(cè)量獲取鋰電池各個(gè)充放電周期的健康狀況數(shù)據(jù); (2) 對(duì)測(cè)量的鋰電池容量數(shù)據(jù)進(jìn)行小波二次降噪; (3) 計(jì)算鋰電池失效的容量閾值; (4) 基于鋰電池容量數(shù)據(jù)序列和充放電周期數(shù)據(jù)序列,應(yīng)用差分進(jìn)化算法對(duì)相關(guān)向量 機(jī)算法的寬度因子進(jìn)行優(yōu)化選擇; (5 )應(yīng)用經(jīng)差分進(jìn)化算法優(yōu)化后的相關(guān)向量機(jī)算法預(yù)測(cè)鋰電池的剩余壽命。
[0008] 在上述步驟(1)中,鋰電池的健康狀況數(shù)據(jù)是指鋰電池的容量數(shù)據(jù)。
[0009] 在上述步驟(2)中,小波二次降噪的方法為對(duì)測(cè)量到的鋰電池容量數(shù)據(jù)分別進(jìn)行 兩次小波降噪,去除噪聲信號(hào)。
[0010] 在上述步驟(3)中,鋰電池失效的容量閾值一般是該鋰電池標(biāo)稱容量的65%-75%。
[0011] 在上述步驟(4)中,鋰電池容量數(shù)據(jù)為& &…&,其中η彡1,為測(cè)量的周期 數(shù),對(duì)應(yīng)的容量數(shù)據(jù)序列為[//;, &…,私],鋰電池容量數(shù)據(jù)的各個(gè)充放電周期依次為^ 心…,7;,η彡1,對(duì)應(yīng)的充放電周期數(shù)據(jù)序列為[心心…,7;]; 應(yīng)用差分進(jìn)化算法對(duì)相關(guān)向量機(jī)算法的寬度因子進(jìn)行優(yōu)化選擇的過程為: (4. 1)初始化差分進(jìn)化算法,包括種群個(gè)體及規(guī)模、比例因子、交叉常數(shù)和迭代次數(shù)等, 其中需要優(yōu)化的寬度因子被映射為個(gè)體; (4. 2)通過突變操作生成突變矢量; (4. 3)通過交叉操作生成試驗(yàn)矢量; (4. 4)通過選擇操作選擇下一代個(gè)體; (4. 5)重復(fù)(4. 2) -(4. 4)直至迭代結(jié)束,輸出結(jié)果。
[0012] 差分進(jìn)化算法是一種基于種群個(gè)體的隨機(jī)搜索算法。差分進(jìn)化算法隨機(jī)生成個(gè)體 = ,其中i為個(gè)體的編號(hào),#是個(gè)體的數(shù)量,^是當(dāng)前迭代次數(shù),差分進(jìn)化算 法包括突變、交叉和選擇三個(gè)操作過程; 突變矢量在突變操作中由下述公式生成:
【權(quán)利要求】
1. 基于小波降噪和相關(guān)向量機(jī)的鋰電池剩余壽命預(yù)測(cè)方法,其特征在于,包括以下步 驟: (1) 通過測(cè)量獲取鋰電池各個(gè)充放電周期的健康狀況數(shù)據(jù); (2) 對(duì)測(cè)量的鋰電池容量數(shù)據(jù)進(jìn)行小波二次降噪; (3) 計(jì)算鋰電池失效的容量閾值; (4) 基于鋰電池容量數(shù)據(jù)序列和充放電周期數(shù)據(jù)序列,應(yīng)用差分進(jìn)化算法對(duì)相關(guān)向量 機(jī)算法的寬度因子進(jìn)行優(yōu)化選擇; (5 )應(yīng)用經(jīng)差分進(jìn)化算法優(yōu)化后的相關(guān)向量機(jī)算法預(yù)測(cè)鋰電池的剩余壽命。
2. 根據(jù)權(quán)利要求1所述的基于小波降噪和相關(guān)向量機(jī)的鋰電池剩余壽命預(yù)測(cè)方法,其 特征在于,所述步驟(1)中,鋰電池的健康狀況數(shù)據(jù)是指鋰電池的容量數(shù)據(jù)。
3. 根據(jù)權(quán)利要求1所述的基于小波降噪和相關(guān)向量機(jī)的鋰電池剩余壽命預(yù)測(cè)方法,其 特征在于,所述步驟(2)中,小波二次降噪的方法為對(duì)測(cè)量到的鋰電池容量數(shù)據(jù)分別進(jìn)行兩 次小波降噪,去除噪聲信號(hào)。
4. 根據(jù)權(quán)利要求1所述的基于小波降噪和相關(guān)向量機(jī)的鋰電池剩余壽命預(yù)測(cè)方法,其 特征在于,所述步驟(3)中,鋰電池失效的容量閾值是鋰電池標(biāo)稱容量的65%-75%。
5. 根據(jù)權(quán)利要求1所述的基于小波降噪和相關(guān)向量機(jī)的鋰電池剩余壽命預(yù)測(cè)方法,其 特征在于,所述步驟(4)中,鋰電池容量數(shù)據(jù)為/? &…&,其中η彡1,η為測(cè)量的周期 數(shù),對(duì)應(yīng)的容量數(shù)據(jù)序列為[//;, &…,私],鋰電池容量數(shù)據(jù)的各個(gè)充放電周期依次為^ 心…,7;,對(duì)應(yīng)的充放電周期數(shù)據(jù)序列為[匕心…,7;]; 應(yīng)用差分進(jìn)化算法對(duì)相關(guān)向量機(jī)算法的寬度因子進(jìn)行優(yōu)化選擇的過程為: (4. 1)初始化差分進(jìn)化算法,包括種群個(gè)體及規(guī)模、比例因子、交叉常數(shù)和迭代次數(shù)等, 其中需要優(yōu)化的寬度因子被映射為個(gè)體; (4. 2)通過突變操作生成突變矢量; (4. 3)通過交叉操作生成試驗(yàn)矢量; (4. 4)通過選擇操作選擇下一代個(gè)體; (4. 5)重復(fù)(4. 2) -(4. 4)直至迭代結(jié)束,輸出結(jié)果。
6. 根據(jù)權(quán)利要求1所述的基于小波降噪和相關(guān)向量機(jī)的鋰電池剩余壽命預(yù)測(cè)方法,其 特征在于,所述步驟(5)中,剩余壽命是指鋰電池發(fā)生失效前剩余的充放電周期數(shù); 應(yīng)用經(jīng)差分進(jìn)化算法優(yōu)化后的相關(guān)向量機(jī)算法預(yù)測(cè)鋰電池的剩余壽命的方法為:對(duì) 7;之后每個(gè)充放電周期的鋰電池容量進(jìn)行連續(xù)預(yù)測(cè),找到第一次滿足且 ,條件的第個(gè)充放電周期,則鋰電池在第個(gè)充放電周期后失效,其剩余 壽命為^個(gè)充放電周期,其中是該鋰電池失效的容量閾值。
7. 根據(jù)權(quán)利要求5所述的基于小波降噪和相關(guān)向量機(jī)的鋰電池剩余壽命預(yù)測(cè)方法,其 特征在于,差分進(jìn)化算法是一種基于種群個(gè)體的隨機(jī)搜索算法,差分進(jìn)化算法隨機(jī)生成個(gè) 體名<(? = 1,2,...,奶,其中/為個(gè)體的編號(hào),#是個(gè)體的數(shù)量,^是當(dāng)前迭代次數(shù),差分進(jìn)化 算法包括突變、交叉和選擇三個(gè)操作過程; 突變矢量在突變操作中由下述公式生成:
其中rl、r2和r3是隨機(jī)選自于{U,…; /7是比例因子; 試驗(yàn)矢量在交叉操作中由匕<?和名.£?生成:
其中〇€[0,1],是事先定義的交叉常數(shù),1^?^是0- 1之間的隨機(jī)數(shù); 假設(shè)是一個(gè)需要最小化的適應(yīng)度函數(shù),下一代個(gè)體的生成由選擇操作完成:
【文檔編號(hào)】G01R31/36GK104459560SQ201410833574
【公開日】2015年3月25日 申請(qǐng)日期:2014年12月29日 優(yōu)先權(quán)日:2014年12月29日
【發(fā)明者】何怡剛, 張朝龍, 佐磊, 項(xiàng)勝, 尹柏強(qiáng) 申請(qǐng)人:合肥工業(yè)大學(xué)