基于SAE-VMD的锂离子电池健康因子提取方法

发布时间：2023-02-14 14:40

　　电池退化信号具有非平稳、非线性特性,为自适应提取能准确表达电池退化特性的健康因子(HI),提高锂离子电池剩余寿命(RUL)的预测精度,提出一种基于堆叠稀疏自编码(SAE)和变分模态分解(VMD)的HI构建方法。首先利用SAE深度神经网络对多个电池参数去噪、降维,提取出一个集中包含电池退化特性的融合HI;然后利用VMD将融合HI的全局衰减、局部再生和其他噪声3种模态进行有效分离,将被分离的3个分量作为电池HI,以此消除HI不同尺度上波动之间的相互干扰,提高RUL预测精度。锂离子电池RUL的预测结果表明,使用该方法所提HI得到的RUL预测精度最高,说明所提HI品质最高。

【文章页数】：8 页

【文章目录】：
1 基于SAE-VMD的电池HI提取
    1.1 基于栈式SAE的参数融合
    1.2 变分模态分解
    1.3 基于SAE-VMD的健康因子提取和RUL预测
2 试验与验证
    2.1 试验数据
    2.2 基于SAE参数融合和评估
    2.3 基于VMD的HI多尺度分解
    2.4 基于RVM和ANN锂离子电池RUL预测试验
3 结 论



本文编号：3742555