故障物理与粒子滤波融合的锂电池寿命预测方法
2020-10-12范立明王崑声
兵器装备工程学报 2020年9期
关键词:模型
范立明,王崑声,钱 诚
(1.中国航天系统科学与工程研究院, 北京 100048; 2.北京航空航天大学, 北京 100191)
由于具有高能量密度、长寿命等优势,近年来锂离子电池被越来越广泛地应用到各类武器装备中,包括为飞机投放发射装置供电、在卫星等航空器上作为储能电源应用、为水下装备提供动力和为便携式光电侦察装备提供电能等[1-4]。然而在使用过程中,锂电池容量会根据使用条件的差异以不同的速率逐渐退化,导致电池逐步老化直至失效。如果不对电池状态进行监测管理,显然将大大降低武器装备的使用可靠性,甚至带来严重的安全隐患。在使用过程中,对锂电池剩余寿命(Remaining Useful Life,RUL)进行预测是电池管理系统的重要任务之一,准确的RUL预测可以帮助维护者制定更加合理的电池管理、维修或更换策略[1]及保证电池的安全可靠使用,因此在电池的可靠性分析中也倍受关注[5-7]。
现阶段对锂电池RUL的预测方法主要分为三大类[8],即数据驱动法[9-12]、故障物理模型法[13-16]和混合法[17-18]。其中,数据驱动法基于测量得到的电池实验数据对电池状态进行估计、预测。例如,文献[11]使用相关向量机,直接基于电池循环中等电压放电时间间隔数据对电池容量进行预测,进入预测电池RUL。文献[12]将电池循环实验数据中的初始温度,平均放电电压,等压降放电时间等共十个数据作为电池健康因子,使用Elman网络进行分析,进而预测电池容量。另一方面,为了消除数据测量误差对RUL预测的影响,常采用多种优化方法,例如非线性最小二乘法(NLLS)[20]、粒子滤波法(PF)[21-22]等,进行锂电池RUL的预测。……
登录APP查看全文
