陈晓龙 郑鹏元 黄绪民 李硕 王宇

摘 要：高速铁路列车车载蓄电池是列车安全运行的重要保障之一，针对车载蓄电池剩余寿命预测的问题，本文以寻找特征因子表征蓄电池退化状态，采用粒子群算法（PSO）和Elman动态神经网络相结合的预测方法，该方法具有很好的动态预测能力，并建立基于PSO-Elman神经网络的蓄电池剩余寿命预测模型。研究结果为该领域研究提供了一定的参考，具有一定的实用意义。

关键词：蓄电池;退化状态;PSO-Elman;预测

高速铁路列车车载蓄电池组是列车安全行驶的重要保障之一，蓄电池组可为列车提供启动时受电弓所需的电源，在紧急情况下，充电机或者输入电源故障时蓄电池组可以作为驱动、制动和通信等系统紧急的备用电源。是列车的备用心脏。

蓄电池组内电解液大多为有机易燃液，且能量大应用不当会导致着火甚至爆炸;过充电、过放电会导致电池内部材料特性发生变化，造成不可逆的容量损失，从而导致性能下降，寿命缩短，另外随着电池充放电次数的增加，电池的容量等整体性能都会衰退。可能会对高速列车安全运行带来非常严重的后果。因此对列车车载蓄电池的剩余寿命进行科学合理的预测，是实现蓄电池长时间可靠工作，保持高速列车安全、平稳运行具有一定的实际意义。国内外许多学者对蓄电池剩余寿命的预测进行了研究。

1 蓄电池退化状态识别

反映电池存储电能性能，定量反映电池退化状态的参数指标，随着充放电次数的增多，电池性能退化，电池状态会反映到相对应的特征因子上，用来确定电池的健康状态。……