航空学报
航空學報
항공학보
ACTA AERONAUTICA ET ASTRONAUTICA SINICA
2013年
9期
2219-2229
,共11页
陈雄姿%于劲松%唐荻音%王英勋
陳雄姿%于勁鬆%唐荻音%王英勛
진웅자%우경송%당적음%왕영훈
锂电池%剩余寿命%概率性预测%最小二乘支持向量回归(LS-SVR)%不确定性管理
鋰電池%剩餘壽命%概率性預測%最小二乘支持嚮量迴歸(LS-SVR)%不確定性管理
리전지%잉여수명%개솔성예측%최소이승지지향량회귀(LS-SVR)%불학정성관리
lithium-ion battery%residual life%probabilistic prediction%least squares support vector regression (LS-SVR)%uncertainty management
提出了一种基于贝叶斯最小二乘支持向量回归(LS-SVR)的锂电池剩余寿命在线概率性预测方法.首先,通过滚动窗方法选取锂电池历史健康退化数据,并根据相空间重构原理建立训练样本,其中最小嵌入维数使用Cao氏方法计算获得.然后,运用贝叶斯3层推理训练LS-SVR预测模型,在迭代预测阶段,采用蒙特卡罗方法来表示和管理多步预测中的不确定性及其传递,即用一群离散粒子来近似连续分布,结合“退化轨迹不相交”原则和高斯过程假设,预测出锂电池健康状态未来时刻的发展趋势.最后结合给定的失效阈值,通过统计穿越阈值的粒子数目得到剩余寿命的概率分布.使用美国国家航空航天局阿姆斯研究中心公开的电池数据集与高斯过程回归(GPR)方法进行对比实验,多项预测性能指标结果表明贝叶斯LS-SVR方法具有更高的预测准确度和置信度.
提齣瞭一種基于貝葉斯最小二乘支持嚮量迴歸(LS-SVR)的鋰電池剩餘壽命在線概率性預測方法.首先,通過滾動窗方法選取鋰電池歷史健康退化數據,併根據相空間重構原理建立訓練樣本,其中最小嵌入維數使用Cao氏方法計算穫得.然後,運用貝葉斯3層推理訓練LS-SVR預測模型,在迭代預測階段,採用矇特卡囉方法來錶示和管理多步預測中的不確定性及其傳遞,即用一群離散粒子來近似連續分佈,結閤“退化軌跡不相交”原則和高斯過程假設,預測齣鋰電池健康狀態未來時刻的髮展趨勢.最後結閤給定的失效閾值,通過統計穿越閾值的粒子數目得到剩餘壽命的概率分佈.使用美國國傢航空航天跼阿姆斯研究中心公開的電池數據集與高斯過程迴歸(GPR)方法進行對比實驗,多項預測性能指標結果錶明貝葉斯LS-SVR方法具有更高的預測準確度和置信度.
제출료일충기우패협사최소이승지지향량회귀(LS-SVR)적리전지잉여수명재선개솔성예측방법.수선,통과곤동창방법선취리전지역사건강퇴화수거,병근거상공간중구원리건립훈련양본,기중최소감입유수사용Cao씨방법계산획득.연후,운용패협사3층추리훈련LS-SVR예측모형,재질대예측계단,채용몽특잡라방법래표시화관리다보예측중적불학정성급기전체,즉용일군리산입자래근사련속분포,결합“퇴화궤적불상교”원칙화고사과정가설,예측출리전지건강상태미래시각적발전추세.최후결합급정적실효역치,통과통계천월역치적입자수목득도잉여수명적개솔분포.사용미국국가항공항천국아모사연구중심공개적전지수거집여고사과정회귀(GPR)방법진행대비실험,다항예측성능지표결과표명패협사LS-SVR방법구유경고적예측준학도화치신도.