摘要:
锂离子电池是电动汽车的动力源,锂离子电池是电动汽车的至关重要的组成部分,它的性能直接影响着动力电池系统的安全性和可靠性。因此对动力电池的健康状态评估,对于延长电动汽车锂离子电池的使用寿命,提高电动汽车的整体性能和安全性都是非常重要的。
本文首先对锂离子电池的原理和衰退机制进行研究,使用从美国宇航局艾姆斯研究中心数据仓库(NASA)收集的随机电池使用实验数据集。使用这个实验数据集的原因是现有的研究大多采用了具有严格约束假设的电池数据集,这些假设未能解释电动汽车电池的实际运行状况。通过NASA的随机电池使用数据集,提取了影响电池容量的2个特征参数。然后通过集合经验模态分解法将2个特征参数(温度和电压)进行分解,然后根据高、中、低频的分量特征进行叠加重构获得重构的分量。随后通过Visual Recurrence Analysis(RQA)程序对重构分量进行分析,得到非线性特征参数—标准偏差、平均重缩放距离、递归熵。利用得到的非线性特征参数对误差逆传播算法(BP)神经网络进行训练,再把测试数据输入训练后的BP神经网络中进行处理,最终得到电池健康状态(SOH)预测结果。
根据本文最后的研究结果,可以看出预测值与真实值拟合程度很好,并且可以从多尺度的角度下去对处于工作状态的下锂离子电池去进行预测。说明了本文研究方法的可行性,即应用本文的研究方法可以提高电动汽