[1]王 正１,２.基于机器学习的新能源汽车电池剩余寿命预测[J].机械与电子,2019,(12):9-11.
　WANG Zheng,Remaining UsefulLife Prediction of New Energy Vehicle Battery Based on Machine Learning[J].Machinery & Electronics,2019,(12):9-11.
点击复制

基于机器学习的新能源汽车电池剩余寿命预测()
分享到：

机械与电子[ISSN:1001-2257/CN:52-1052/TH]

卷:
期数:
2019年12期
页码:
9-11
栏目:
设计与研究
出版日期:
2019-12-24

文章信息/Info

Title:
R emaining Useful Life Prediction of New Energy Vehicle Battery Based on M achine Learning
文章编号:
１００１- ２２５７（２０１９）１２- ０００９- ０３
作者:
王 正１; ２
１．宁夏大学新华学院，宁夏 银川 ７５００２１；
２．宁夏大学土木与水利工程学院，宁夏 银川 ７５００２１
Author(s):
WANG Zheng1;  2
１．ＸｉｎｈｕａＣｏｌｌｅｇｅｏｆＮｉｎｇｘｉａＵｎｉｖｅｒｓｉｔｙ，Ｙｉｎｃｈｕａｎ７５００２１，Ｃｈｉｎａ；
２．ＳｃｈｏｏｌｏｆＣｉｖｉｌＥｎｇｉｎｅｅｒｉｎｇａｎｄＨｙｄｒａｕｌｉｃＥｎｇｉｎｅｅｒｉｎｇ，ＮｉｎｇｘｉａＵｎｉｖｅｒｓｉｔｙ，Ｙｉｎｃｈｕａｎ７５００２１，Ｃｈｉｎａ
关键词:
锂电池; 剩余寿命预测; ＲＶＲ ＮＤＭ; 健康因子
Keywords:
ｌｉｔｈｉｕｍ ｉｏｎｂａｔｔｅｒｙ; ｒｅｍａｉｎｉｎｇｕｓｅｆｕｌｌｉｆｅｐｒｅｄｉｃｔｉｏｎ; ＲＶＲ ＮＤＭ; ｈｅａｌｔｈｉｎｄｉｃａｔｏｒ
分类号:
ＴＰ２０６.３；ＴＭ９１２
文献标志码:
A
摘要:
利用一种改进的RVM模型（RVR-NDM）进行锂电池的剩余寿命预测，通过重构模型参数，提高了模型的预测性能，并将该方法应用于预测锂离子电池的剩余寿命。以充放电循环次数200、400和600为预测时间，分别进行了LR、RVR和RVR-NDM等3种不同方法对CALCE的数据集的验证。实验结果表明，当充放电循环次数为400或600时，RVR-NDM和RVR模型都展现出了良好的预测性能，且RVR-NDM的预测精度要高于RVR。
Abstract:
An improved RVM model (RVR-NDM) was used to predict the remaining useful life of lithium-ion batteries. By reconstructing model parameters, the prediction performance of the model was improved, and the method was applied to predict remaining useful life of lithium-ion batteries. The data sets of CALCE were validated by LR, RVR and RVR-NDM with charge-discharge cycles of 200, 400 and 600 as prediction time. The experimental results show that when charge-discharge cycles being 400 or 600, RVR-NDM and RVR-NDM models show good prediction performance, and the prediction accuracy of RVR-NDM is higher than RVR.

参考文献/References:

［１］ 徐平，陈钦，张西华，等．废锂离子电池中锂提取技术研究进展［Ｊ］．过程工程学报，２０１９，１９（４）：１- ７．

［２］ 兰凤崇，李诗成，陈吉清，等．基于专利分析的锂离子动力电池产业发展趋势［Ｊ］．科技管理研究，２０１９，３９（１２）：１４４- １５０．
［３］ 李奇，刘嘉蔚，陈维荣．质子交换膜燃料电池剩余使用寿命预 测 方 法 综 述 及 展 望 ［Ｊ］．中 国 电 机 工 程 学 报，
２０１９，３９（８）：２３６５- ２３７５．
［４］ ＷｈｉｔｅＲＥ，ＳａｎｔｈａｂａｇｏｐａｌａｎＳ．Ｑｕａｎｔｉｆｙｉｎｇｃｅｌｌ ｔｏ ｃｅｌｌｖａｒｉａｔｉｏｎｓｉｎｌｉｔｈｉｕｍｉｏｎｂａｔｔｅｒｉｅｓ［Ｊ］．Ｉｎｔｅｒｎａｔｉｏｎａｌ ＪｏｕｒｎａｌｏｆＥｌｅｃｔｒｏｃｈｅｍｉｓｔｒｙ，２０１２，７（１１）：２０- ２５．
［５］ ＶｉｒｋａｒＡ Ｖ．Ａ ｍｏｄｅｌｆｏｒｄｅｇｒａｄａｔｉｏｎｏｆｅｌｅｃｔｒｏｃｈｅｍｉｃａｌｄｅｖｉｃｅｓｂａｓｅｄｏｎｌｉｎｅａｒｎｏｎ ｅｑｕｉｌｉｂｒｉｕｍｔｈｅｒｍｏｄｙ
ｎａｍｉｃｓａｎｄｉｔｓａｐｐｌｉｃａｔｉｏｎｔｏｌｉｔｈｉｕｍｉｏｎｂａｔｔｅｒｉｅｓ［Ｊ］．JｏｕｒｎａｌｏｆＰｏｗｅｒＳｏｕｒｃｅｓ，２０１１，１９６（１４）：５９７０- ５９８４．
［６］ ＸｉｎｇＹＪ，Ｅｄｅｎ Ｗ Ｍ ，ＴｓｕｉＫ Ｌ，ｅｔａｌ．Ａｎｅｎｓｅｍｂｌｅ ｍｏｄｅｌｆｏｒｐｒｅｄｉｃｔｉｎｇｔｈｅｒｅｍａｉｎｉｎｇｕｓｅｆｕｌｐｅｒｆｏｒｍａｎｃｅ ｏｆｌｉｔｈｉｕｍ ｉｏｎｂａｔｔｅｒｉｅｓ［Ｊ］．ＭｉｃｒｏｅｌｅｃｔｒｏｎｉｃｓＲｅｌｉａｂｉｌｉｔｙ，２０１３，５３（６）：８１１- ８２０．
［７］ 房红征，史慧，韩立明，等．基于粒子群优化神经网络的卫星故障预测方法［Ｊ］．计 算 机 测 量 与 控 制，２０１３，２１
（７）：１７３０- １７３３，１７４５．
［８］ ＬｉｕＤ Ｔ，ＰａｎｇＪＹ，ＺｈｏｕＪＢ，ｅｔａｌ．Ｐｒｏｇｎｏｓｔｉｃｓｆｏｒ ｓｔａｔｅｏｆｈｅａｌｔｈｅｓｔｉｍａｔｉｏｎｏｆｌｉｔｈｉｕｍ ｉｏｎ ｂａｔｔｅｒｉｅｓ ｂａｓｅｄｏｎｃｏｍｂｉｎａｔｉｏｎ Ｇａｕｓｓｉａｎｐｒｏｃｅｓｓｆｕｎｃｔｉｏｎａｌｒｅｇｒｅｓｓｉｏｎ［Ｊ］．ＭｉｃｒｏｅｌｅｃｔｒｏｎｉｃｓＲｅｌｉａｂｉｌｉｔｙ，２０１３，５３（６）：
８３２- ８３９．
［９］ ＰａｔｔｉｐａｔｉＢ，ＰａｔｔｉｐａｔｉＫ，ＣｈｒｉｓｔｏｐｈｅｒｓｏｎＪＰ，ｅｔａｌ．Ａｕｔｏｍｏｔｉｖｅｂａｔｔｅｒｙｍａｎａｇｅｍｅｎｔｓｙｓｔｅｍｓ［Ｃ］／／ＩＥＥＥＡＵ-
ＴＯＴＥＳＴＣＯＮ．ＮｅｗＹｏｒｋ：ＩＥＥＥ，２００８：５８１- ５８６．
［１０］ ＮｕｈｉｃＡ，ＴｅｒｚｉｍｅｈｉｃＴ，Ｓｏｃｚｋａ ＧｕｔｈＴ，ｅｔａｌ．Ｈｅａｌｔｈ ｄｉａｇｎｏｓｉｓａｎｄｒｅｍａｉｎｉｎｇｕｓｅｆｕｌｌｉｆｅｐｒｏｇｎｏｓｔｉｃｓｏｆｌｉｔｈｉｕｍ ｉｏｎｂａｔｔｅｒｉｅｓｕｓｉｎｇｄａｔａ ｄｒｉｖｅｎ ｍｅｔｈｏｄｓ［Ｊ］．ＪｏｕｒｎａｌｏｆＰｏｗｅｒＳｏｕｒｃｅｓ，２０１３，２３９：６８０- ６８８．
［１１］ ＬｏｎｇＢ，Ｘｉａｎ Ｗ Ｍ，ＪｉａｎｇＬ，ｅｔａｌ．Ａｎｉｍｐｒｏｖｅｄａｕｔｏｒｅｇｒｅｓｓｉｖｅｍｏｄｅｌｂｙｐａｒｔｉｃｌｅｓｗａｒｍｏｐｔｉｍｉｚａｔｉｏｎｆｏｒ ｐｒｏｇｎｏｓｔｉｃｓｏｆｌｉｔｈｉｕｍ ｉｏｎｂａｔｔｅｒｉｅｓ［Ｊ］．ＭｉｃｒｏｅｌｅｃｔｒｏｎｉｃｓＲｅｌｉａｂｉｌｉｔｙ，２０１３，５３（６）：８２１- ８３１．
［１２］ ＬｉｕＪ，Ｓａｘｅｎａ Ａ，ＧｏｅｂｅｌＫ．Ａｎａｄａｐｔｉｖｅｒｅｃｕｒｒｅｎｔ ｎｅｕｒａｌｎｅｔｗｏｒｋｆｏｒｒｅｍａｉｎｉｎｇｕｓｅｆｕｌｌｉｆｅｐｒｅｄｉｃｔｉｏｎｏｆ
ｌｉｔｈｉｕｍ ｉｏｎｂａｔｔｅｒｉｅｓ［Ｃ］／／ＰｒｏｃｅｅｄｉｎｇｓｏｆｔｈｅＡｎｎｕａｌ ＣｏｎｆｅｒｅｎｃｅｏｆｔｈｅＰｒｏｇｎｏｓｔｉｃｓａｎｄ Ｈｅａｌｔｈ ＭａｎａｇｅｍｅｎｔＳｏｃｉｅｔｙ，２０１０：１- ９．
［１３］ 彭宇，王建民，彭喜元．储备池计算概述［Ｊ］．电子学 报，２０１１，３９（１０）：２３８７- ２３９６．
［１４］ 周建宝．基于 ＲＶＭ 的锂离子电池剩余寿命预测方法研究［Ｄ］．哈尔滨：哈尔滨工业大学，２０１３．
［１５］ ＳｈｉＪＭ，ＬｉＹＸ，ＷａｎｇＧ，ｅｔａｌ．Ｈｅａｌｔｈｉｎｄｅｘｓｙｎｔｈｅｔｉｚａｔｉｏｎａｎｄｒｅｍａｉｎｉｎｇｕｓｅｆｕｌｌｉｆｅｅｓｔｉｍａｔｉｏｎｆｏｒｔｕｒｂｏｆａｎｅｎｇｉｎｅｓｂａｓｅｄｏｎｒｕｎ ｔｏ ｆａｉｌｕｒｅｄａｔａｓｅｔｓ［Ｊ］．ＭａｉｎｔｅｎａｎｃｅａｎｄＲｅｌｉａｂｉｌｉｔｙ，２０１６，１８（４）：６２１- ６３１．

相似文献/References:

[1]刘东林,秦玉焘,麻浩军,等.基于马尔科夫链的车桥齿轮剩余寿命预测研究[J].机械与电子,2023,41(03):76.
　LIU Donglin,QIN Yutao,MA Haojun,et al.Research on Residual Life Prediction of Axle Gear Based on Markov Chain[J].Machinery & Electronics,2023,41(12):76.
[2]王丽玲,孙晓波,宋树平,等.基于 QPSO-LSTM 模型的锂电池剩余容量预测[J].机械与电子,2024,42(09):52.
　WANG Liling,SUN Xiaobo,SONG Shuping,et al.Prediction of Remaining Capacity of Lithium Battery Based on QPSO-LSTM Model[J].Machinery & Electronics,2024,42(12):52.
[3]王 正１,２.基于DAE-HTPF的新能源汽车电池剩余寿命预测[J].机械与电子,2020,(03):3.
　WANG Zheng,RemainingLife Prediction of New Energy Vehicle Battery Based on DAE-HTPF[J].Machinery & Electronics,2020,(12):3.

备注/Memo

备注/Memo:
收稿日期：２０１９- ０８- ２８
基金项目：宁夏大学新华学院科学研究基金资助项目（１８ＸＨＫＹ０１）；宁夏２０１９年度高等学校“双师型教师实践锻炼计划”项目
作者简介：王 正 （１９８８－），男，宁夏银川人，讲师，研究方向为智能控制算法和数值模拟。
更新日期/Last Update: 2019-12-23