排序方式: 共有1条查询结果,搜索用时 0 毫秒
1
1.
针对锂离子电池实际运行过程中容量数据无法在线获取,退化特征存在局部再生现象,剩余使用寿命(RUL)无法通过单一模型准确预测的问题,提出一种基于间接健康因子(HI)的锂离子电池RUL预测方法。首先根据在线数据构建并筛选最优的HI,然后建立基于遗传算法优化的极限学习机(GA-ELM)关系模型,再通过变分模态分解(VMD)解耦间接HI各分量,并通过相关向量机(RVM)进行趋势跟踪与预测,最后将预测结果输入到GA-ELM关系模型中得到电池容量预测值。与NASA PCoE数据集的验证对比表明,文章所用方法在趋势预测和RUL预测结果上均优于其他对比方法,可以实现锂离子电池RUL的准确预测。 相似文献
1