王海洋, 宋万清

(上海工程技术大学 电子电气工程学院,上海 201600)

0 引 言

锂电池的剩余寿命预测一直是其可靠性分析和健康状态预测中一个重要的研究方向[1]。更加准确的锂电池预测对于其使用的安全性、可靠性以及减少经济损耗等都有着十分重要的作用[2]。在过去的几十年里,各种RUL预测方法被提出,例如:物理原理法、实验法、数据驱动法以及混合法[3]、基于自回归滑动平均(auto-regressive moving average,ARMA)时间序列的预测模型法。陶耀东等人[4]利用Box-Jenkins ARIMA 模型模拟锂电池退化过程从而进行锂电池的RUL预测研究。而王巍等人[5]则提出了新的高斯过程回归方法提升训练和预测的速度。基于人工神经网络的锂电池RUL预测也是目前研究的热点。文献[6]在进行的锂电池RUL预测研究时则提出一种利用重采样来对前馈神经网络进行输入选择的新思路。陈雄姿等人[7]便提出了一种基于贝叶斯最小二乘—支持向量回归(least square support vector regression,LS-SVR)的锂电池剩余寿命在线概率性预测方法。而王春雷等人[8]则利用改进的相关向量机方法进行锂电池RUL预测。

本文结合混沌理论得到锂电池最大预测时间尺度,再利用具有长相关性的FARIMA 模型应用于锂电池剩余使用寿命预测,通过计算Hurst指数建立起预测模型,并给出RUL预测具体的步骤与其概率密度函数计算公式。最终通过实际的美国NASA Amse数据库中的锂电池退化数据进行实际的RUL预测实验,并选择多种误差标准量化其预测结果。

1 混沌理论

混沌理论属于非线性学科的一种,科学界认为万物皆是混沌构成。……