基于群智能優(yōu)化粒子濾波的鋰電池剩余壽命預測.pdf

1、鋰電池如今已經(jīng)在各行各業(yè)中扮演者至關重要的角色，因其突發(fā)性地故障或者損壞會導致重大的財產(chǎn)損失甚至人身安全事故。以往的定期維修方法已經(jīng)不足以保證鋰電池能夠長時間穩(wěn)定可靠地運行，因此，逐漸被預測性維護技術所替代。作為預測性維護的核心理念，剩余壽命預測技術成為了當下的研究熱點，該技術能夠在鋰電池壽命終結(jié)之前對其剩余壽命進行預測，給工作人員提供充分的時間以做出適當?shù)木S護策略。
　　粒子濾波算法在針對鋰電池剩余壽命預測的研究中被廣泛采用，針

2、對粒子濾波算法在鋰電池剩余壽命預測中存在的缺陷，本文主要做了以下工作：
　　在進行剩余壽命預測時，粒子濾波存在的粒子退化問題會引起有效樣本數(shù)目減少，使得對參數(shù)的估計精度不高，誤差過大的參數(shù)最終會導致預測的精度下降。針對粒子濾波預測精度不高的問題，本文將群智能優(yōu)化算法與粒子濾波算法相結(jié)合，利用群智能優(yōu)化算法中的智能尋優(yōu)策略優(yōu)化粒子濾波算法中的粒子，使其更加靠近真實狀態(tài)，增加有效樣本數(shù)目，改善粒子退化問題，提高粒子濾波算法的估計精度，

3、從而有效改善其預測精度不高的問題。
　　本文首先將粒子群優(yōu)化算法與粒子濾波算法結(jié)合，利用粒子群優(yōu)化算法中的位置更新和速度更新方法來優(yōu)化粒子濾波算法采樣后的粒子，使其具有更佳的位置和更大的權值，增大了每個粒子的效用；其次本文將人工魚群算法引入粒子濾波算法中，利用人工魚的覓食行為和聚群行為驅(qū)動采樣后的粒子向高似然區(qū)域靠近，優(yōu)化粒子濾波的估計性能，提高其預測精度。本文采用馬里蘭大學的鋰電池加速退化試驗數(shù)據(jù)對優(yōu)化后的算法進行仿真，實驗結(jié)果