锂离子电池剩余寿命预测多参数优化方法

发布时间：2021-05-10 02:10

　　锂离子电池因其优越的性能广泛应用于各个领域,但是当电池容量下降到一定阶段时电池的生命便达到阈值,电池就无法继续使用,因此电池的剩余使用寿命（Remaining20Useful20Life20RUL）预测成为了当下研究的热点问题。当前阶段对于锂离子RUL的预测主要有基于模型和基于数据驱动两种方法,其中基于模型的预测方法由于其建模复杂且参数较多而使其发展受限,而在大多数数据驱动算法中存在算法精度不高、参数选取单一且无动态变化、缺乏高低温工况下电池的预测结果等问题。因此,本文提出了一种基于熵权的逼近理想解排序法（Technique20for20Order20Preferenceby20Similarity20to20Ideal20Solution20TOPSIS）和改进的粒子群算法（Particle20Swarm20Optimization20PSO）的电池RUL预测框架,文章主要研究内容如下:（1）首先本文研究了锂离子电池的工作原理和退化机理,分析与观察了电池在退化过程中各项参数的变化情况后发现特定参数的变化趋势和电池容量退化的趋势具有较大的相关性。最后通过分析选取了电池的充放电循环次数、... 

【文章来源】：电子科技大学四川省 211工程院校 985工程院校 教育部直属院校

【文章页数】：68 页

【学位级别】：硕士

【文章目录】：
摘要
abstract
第一章 绪论
    1.1 选题的背景以及意义
    1.2 国内外研究现状
    1.3 本文的内容以及章节安排
第二章 锂离子电池工作原理,退化机理以及参数模型选择
    2.1 锂离子电池工作原理
    2.2 锂离子电池退化机理分析
    2.3 锂离子电池退化模型参数选取
        2.3.1 循环次数作为退化模型参数
        2.3.2 温度作为退化模型参数
        2.3.3 电池内阻作为退化模型参数
        2.3.4 电池开路电压作为退化模型参数
    2.4 本章小结
第三章 基于粒子群及其改进算法的锂离子电池RUL预测
    3.1 粒子群算法基本理论及流程介绍
        3.1.1 粒子群算法简介
        3.1.2 基础粒子群算法
        3.1.3 粒子位置更新公式分析
        3.1.4 完全粒子群算法
    3.2 改进的粒子群算法
        3.2.1 位置更新公式改进
        3.2.2 惯性权重因子改进
        3.2.3 加速因子改进
    3.3 基于改进PSO算法的电池RUL预测
        3.3.1 电池数据选取以及电池退化模型选取
        3.3.2 改进PSO算法和其他智能算法对比
        3.3.3 电池RUL预测结果分析
    3.4 本章小结
第四章 基于TOPSIS方法和MAF滤波的锂离子电池预测参数选取及RUL预测
    4.1 TOPSIS法概述以及数学公式描述
    4.2 基于熵权值的TOPSIS法及数学描述
        4.2.1 熵与信息熵相关概念
        4.2.2 基于熵权的TOPSIS法
    4.3 MAF滤波及其滤波效果
    4.4 锂离子电池RUL预测框架及预测结果分析
        4.4.1 预测框架结构
        4.4.2 实验结果分析
    4.5 本章小结
第五章 结论与展望
致谢
参考文献
攻读硕士学位期间取得的成果



本文编号：3178471