本發明公開了一種基于特征分析的鋰電池健康狀態在線估計方法,包括:利用主成分分析策略挑選合適的充放電特征;基于自適應噪聲的完備經驗模態分解策略將充放電特征分解為主要趨勢部分和次要波動部分;基于滑動時間窗口的邏輯回歸策略對主要趨勢部分運用進行預測,采用卡爾曼濾波策略對次要波動部分進行預測;將預測的主要趨勢部分和次要波動部分相結合,得到預測的特征數據,將預測的特征數據代入徑向基函數神經網絡,實現鋰電池健康狀態的在線預測。本發明通過對多維變量系統進行降維處理,減少計算復雜度,提高模型的實用新性能,采用新的數據迭代更新RBF網絡的內部參數,用新的數據來提高SOH的實時預測精度,從而可以很好地描述鋰電池退化過程。
聲明:
“基于特征分析的鋰電池健康狀態在線估計方法” 該技術專利(論文)所有權利歸屬于技術(論文)所有人。僅供學習研究,如用于商業用途,請聯系該技術所有人。
我是此專利(論文)的發明人(作者)