二维码（扫一下试试看！） | | 基于PCA-NARX的锂离子电池剩余使用寿命预测 | | Prediction for the Remaining Useful Life of Lithium-ion Battery Based on PCA-NARX | | 投稿时间：2018-01-10 | | DOI：10.15918/j.tbit1001-0645.2019.04.012 | | 中文关键词:锂离子电池剩余使用寿命相关性分析PCA算法NARX神经网络 | | English Keywords:lithium-ion batteryremaining useful lifecorrelation analysisPCA algorithmNARX neural network | | 基金项目:山西省重点研发计划资助项目（201703D111011）；山西省青年自然科学基金资助项目（201601D021075）；山西省研究生教育改革研究资助项目（2018JG62）；中北大学自然科学基金资助项目（2016032，2017025） | | 作者 | 单位 | | 庞晓琼 | 中北大学 大数据学院, 山西, 太原 030051 | | 王竹晴 | 中北大学 大数据学院, 山西, 太原 030051 | | 曾建潮 | 中北大学 大数据学院, 山西, 太原 030051 | | 贾建芳 | 中北大学 电气与控制工程学院, 山西, 太原 030051 | | 史元浩 | 中北大学 电气与控制工程学院, 山西, 太原 030051 | | 温杰 | 中北大学 电气与控制工程学院, 山西, 太原 030051 |
| | 摘要点击次数:1140 | | 全文下载次数:295 | | 中文摘要: | | 目前基于数据驱动的锂离子电池RUL预测方法不能较好地适应于同类型不同电池的RUL预测，且预测精度易受健康因子冗余或不足的影响.针对以上问题，提出一种结合主成分分析（PCA）特征融合与非线性自回归（NARX）神经网络的锂离子电池RUL间接预测框架.首先提取多个能反映电池性能退化的可测参数，并将PCA去除冗余后的结果作为预测健康因子；然后利用一组电池的全寿命数据构建基于NARX神经网络的健康因子和容量预测模型，对同类型不同电池预测时将该电池寿命前期健康因子作为输入，即可间接预测出其RUL.最后实验结果表明所提框架在同类型不同电池RUL的预测中精度较高且适应性较强. | | English Summary: | | The current data-driven remaining useful life (RUL) prognostics methods generally have the limitation that cannot be well adapted to the prediction for different batteries, along with low prediction accuracy caused by the redundancy or deficiency of health indictors (HIs).To solve the problem, integrating the PCA-based feature fusion method and NARX neural network, an indirect RUL prognostics framework was proposed for lithium-ion battery. Firstly, multiple measurable parameters that could reflect the performance degradations of lithium-ion battery were selected as candidate HIs, and then the HI was extracted based on PCA to eliminate the redundancy. Furthermore, both health factor and capacity prediction models based on NARX-NN were established using a set of battery life data. Taking the HIs of early stage as the input, the RUL of different batteries with the same type could be predicted indirectly. Finally, sufficient experiments were carried out to validate the high efficiency and adaptability of the proposed method for the same type lithium-ion battery. | | 查看全文查看/发表评论下载PDF阅读器 | |
焦龙龙,罗森林,曹伟,潘丽敏,张笈.变异策略动态构建的模糊测试数据生成方法[J].北京理工大学学报（自然科学版）,2019,39(5):539~544.JIAOLong-long,LUOSen-lin,CAOWei,PANLi-min,ZHANGJi.FuzzingTestDataGeneratio ... 北京理工大学科研学术 本站小编 Free考研考试 2021-12-21胡奥婷,胡爱群.基于CP-ABE的自定义读写策略的云数据共享方案[J].北京理工大学学报（自然科学版）,2019,39(7):719~724.HUAo-ting,HUAi-qun.CP-ABEBasedDataSharingSchemeSupportingSeparatingRead/WritePe ... 北京理工大学科研学术 本站小编 Free考研考试 2021-12-21余斌,李晓风,赵赫.基于区块链存储扩展的结构化数据管理方法[J].北京理工大学学报（自然科学版）,2019,39(11):1160~1166.YUBin,LIXiao-feng,ZHAOHe.StructuredDataManagementMethodBasedonScalableBlockchai ... 北京理工大学科研学术 本站小编 Free考研考试 2021-12-21罗玉文,柳丹,范雄华,江晶.空地概率数据关联转换量测滤波算法[J].北京理工大学学报（自然科学版）,2019,39(12):1268~1276.LUOYu-wen,LIUDan,FANXiong-hua,JIANGJing.StudyonAir-GroundProbabilityDataAssoci ... 北京理工大学科研学术 本站小编 Free考研考试 2021-12-21李金,刘文杰,孟祥莲,边晨源,梁洪.脑影像与基因组数据关联的交互可视化方法研究[J].北京理工大学学报（自然科学版）,2019,39(S1):12~18.LIJin,LIUWen-jie,MENGXiang-lian,BIANChen-yuan,LIANGHong.ResearchonInterac ... 北京理工大学科研学术 本站小编 Free考研考试 2021-12-21计卫星,张露露,陈娟,邹天刚,罗辉,郭静,高志伟.一种时序数据多项式拟合加速方法[J].北京理工大学学报（自然科学版）,2018,38(5):519~524.JIWei-xing,ZHANGLu-lu,CHENJuan,ZOUTian-gang,LUOHui,GUOJing,GAOZhi-wei.P ... 北京理工大学科研学术 本站小编 Free考研考试 2021-12-21贺秦禄,边根庆,邵必林,叶娜.一种基于云存储系统的自适应数据碎片恢复优化方法[J].北京理工大学学报（自然科学版）,2018,38(8):841~847.HEQin-lu,BIANGen-qing,SHAOBi-lin,YENa.AnAdaptiveDefragmentationRestoreOpt ... 北京理工大学科研学术 本站小编 Free考研考试 2021-12-21闫书法,马彪,郑长松,王立勇,朱礼安,马源.基于劣化数据的综合传动装置剩余寿命预测[J].北京理工大学学报（自然科学版）,2018,38(11):1126~1133.YANShu-fa,MABiao,ZHENGChang-song,WANGLi-yong,ZHULi-an,MAYuan.Remain ... 北京理工大学科研学术 本站小编 Free考研考试 2021-12-21徐小龙,龚培培.面向云端融合计算的防御性数据销毁机制[J].北京理工大学学报（自然科学版）,2017,37(3):281~286.XUXiao-long,GONGPei-pei.DefensiveDataDestructionMechanismforCloud-P2PComputing[J].Tra ... 北京理工大学科研学术 本站小编 Free考研考试 2021-12-21李向荣,李帅,王国辉,李国栋,李帆.基于有限元数据交会的部件毁伤评估方法研究[J].北京理工大学学报（自然科学版）,2017,37(4):430~435.LIXiang-rong,LIShuai,WANGGuo-hui,LIGuo-dong,LIFan.DamageAssessmentMethodo ... 北京理工大学科研学术 本站小编 Free考研考试 2021-12-21
| |
