锂离子电池寿命预测关键技术研究

发布时间：2022-10-10 12:52

　　锂离子电池的使用在我们的生活中起着非常重要的作用,例如移动电话、计算机、电动车辆和电气设备。然而锂离子电池的安全性和可靠性,近些年来受到许多公众和学者关注。因此,近些年在电子系统故障预测和健康管理的研究课题中,锂离子电池的剩余寿命预测成为了热点。为了提高锂离子电池的可靠性,对锂离子电池剩余寿命准确的预测和其结果的不确定性表达是至关重要的。为了准确的预测锂离子电池剩余使用寿命,本文选择以粒子滤波算法为基础。首先介绍了锂离子电池的组成和工作原理,并分析其失效机理。以锂离子电池的容量衰减为特征建立相应的模型,使用粒子滤波算法对其剩余寿命进行预测。由于粒子滤波算法强烈的依赖锂离子电池的模型,并且还存在重采样过程中粒子匮乏现象,因此提出无迹粒子滤波算法（UPF）的锂离子电池剩余循环寿命预测方法,在牺牲部分计算复杂度的前提下,解决粒子退化问题,从而提高滤波精度。针对单一算法存在不可避免的缺陷,并且为了增加粒子的多样性,论文又提出了一种基于模型和数据驱动的混合型方法即人工免疫的粒子滤波算法。通过数据驱动的特性和研究对象的模型,取其各自优势,使算法的预测性能改善。该算法具有全局多样性寻优功能,本文就是... 

【文章页数】：65 页

【学位级别】：硕士

【文章目录】：
摘要
abstract
第一章 绪论
    1.1 课题研究的目的和意义
    1.2 国内外研究现状
        1.2.1 锂电池故障预测与健康管理研究现状
        1.2.2 .粒子滤波研究现状
    1.3 本文的研究内容与结构
第二章 锂离子电池失效机理及试验平台搭建
    2.1 锂离子电池概述
        2.1.1 锂离子电池的工作原理
        2.1.2 锂离子电池性能指标及容量衰减
    2.2 锂离子电池退化因素分析
        2.2.1 锂离子电池退化内部因素
        2.2.2 锂离子电池退化外部因素
    2.3 锂离子电池试验平台搭建
        2.3.1 锂电池充放电模块搭建
        2.3.2 数据采集系统模块搭建
        2.3.3 电池退化数据获取
    2.4 锂离子电池寿命退化模型建立
    2.5 本章小结
第三章 粒子滤波的锂离子电池剩余寿命预测方法
    3.1 粒子滤波的基本原理
        3.1.1 序贯重要性采样
        3.1.2 粒子的退化和重采样
    3.2 粒子滤波算法的实现流程
        3.2.1 锂离子电池退化模型更新及PDF预测
        3.2.2 粒子滤波算法的锂离子电池退化数据实验仿真
    3.3 本章小结
第四章 无迹粒子滤波的锂离子电池剩余循环寿命预测
    4.1 无迹粒子滤波原理
        4.1.1 建议概率密度分布函数
        4.1.2 无迹粒子滤波的算法实现
    4.2 无迹粒子滤波的的锂离子电池退化数据实验仿真
    4.3 本章小结
第五章 人工免疫粒子滤波的锂离子电池剩余寿命预测
    5.1 人工免疫算法
        5.1.1 免疫算法概述
        5.1.2 人工免疫算法实现流程
    5.2 人工免疫粒子滤波算法
        5.2.1 人工免疫粒子滤波算法原理
        5.2.2 人工免疫粒子滤波算法流程
    5.3 人工免疫粒子滤波的锂离子电池退化数据实验仿真
    5.4 本章总结
第六章 寿命预测不确定性的量化表达
    6.1 置信区间表达
    6.2 概率密度分布直方图表达
    6.3 本章小结
结论与展望
参考文献
攻读硕士学位期间发表的论文及其它成果
致谢


【参考文献】：
期刊论文
[1]锂离子电池健康评估和寿命预测综述[J]. 刘大同,周建宝,郭力萌,彭宇.  仪器仪表学报. 2015(01)
[2]基于融合技术的电子产品PHM系统研究[J]. 刘倩倩,王红霞,尹明.  计算机测量与控制. 2014(11)
[3]国外故障预测与健康管理系统开发平台综述[J]. 刘恩朋,杨占才,靳小波.  测控技术. 2014(09)
[4]装备电子系统故障预测与健康管理综述[J]. 钟晶鑫,王建业,梁清龙.  飞航导弹. 2014(07)
[5]浅述新兴的电子系统故障预测与健康管理[J]. 高荣.  科技资讯. 2014(18)
[6]新一代航空电子故障预测与健康管理系统综述[J]. 杨军祥,田泽,李成文,杨涛,王纯委,刘宇.  计算机测量与控制. 2014(04)
[7]数据驱动故障预测和健康管理综述[J]. 彭宇,刘大同.  仪器仪表学报. 2014(03)
[8]PHM技术在综合航空电子系统中的应用[J]. 吴明辉,许爱强,戴豪民.  兵工自动化. 2013(04)
[9]锂离子电池寿命预测国外研究现状综述[J]. 罗伟林,张立强,吕超,王立欣.  电源学报. 2013(01)
[10]用于PHM的数据采集处理系统设计[J]. 张志军,刘开华,马永涛.  电子测量技术. 2011(11)

硕士论文
[1]数字芯片的故障预测与健康管理（PHM）关键技术研究[D]. 汪鹏.电子科技大学 2016
[2]基于数据驱动的锂离子电池剩余寿命预测模型及软件实现[D]. 朱亮标.华南理工大学 2014
[3]故障预测与健康管理（PHM）在ERP系统中的应用研究[D]. 李楠.中国科学院大学(工程管理与信息技术学院) 2013
[4]基于人工免疫粒子滤波的纯电动汽车锂电池SOC估计研究[D]. 常海涛.北京交通大学 2013
[5]基于粒子滤波的弱小目标检测前跟踪算法研究[D]. 孙星.西安电子科技大学 2013
[6]基于粒子滤波的锂离子电池剩余寿命预测方法研究[D]. 罗悦.哈尔滨工业大学 2012
[7]人工免疫算法的基础研究及其应用[D]. 江斌.中南大学 2008



本文编号：3689656