【技术实现步骤摘要】
一种锂离子电池健康状态估计方法
[0001]本专利技术涉及新能源汽车动力电池
,具体提出了一种锂离子电池健康状态估计方法。
技术介绍
[0002]近年来,随着人们生活节奏不断加快,汽车已成为当今生活中不可或缺的出行工具。但快速发展的汽车行业带来了能源与环境危机,这限制了传统燃油车的发展。同时,传统燃油车尾气排放的有害气体会严重影响人类的健康,因此新能源电动汽车因其节能环保得到了快速发展。
[0003]新能源电动汽车以动力电池为动力源,其性能的优劣往往直接影响到电动汽车行驶的安全性与可靠性,因此需要对电动汽车的动力电池进行管理和维护,保障其正常使用。锂离子电池因其能量密度高,重量轻,循环寿命长,自放电量低等优势,被广泛的使用在电动汽车中。为了保证锂离子电池在复杂的行驶条件下高效和安全的运行,需要电池管理系统(Battery Management System,BMS)对电池进行管理,实时监控电池状态,保证电池系统正常运行,从而提高电动汽车的驾驶性能及安全性。
[0004]BMS的核心功能是对电池状态,如对荷电状态(State of Charge,SOC),健康状态(State of Health,SOH),剩余使用寿命(Remaining Useful Life,RUL),及能量状态(State of Energy,SOE)等进行估计和预测。由于电池在使用过程中不断老化,不仅会导致电动汽车的续驶里程下降,造成“里程焦虑”,而且会给电动汽车带来安全隐患,导致“安全焦虑”,这就需要对电动汽车的电池SO ...
【技术保护点】
【技术特征摘要】
1.一种锂离子电池健康状态预测方法,其特征在于,包括如下步骤:步骤一、提取电池充电过程与电池的老化相关的健康因子;步骤二、采用灰色关联分析法对提取的健康因子与电池容量之间的相关性进行分析,并对相关性等级进行排序;步骤三、对源域与目标域的健康因子进行知识迁移;选取相关性等级高的健康因子划分为源域数据集和目标域数据集,用最大均值差异表示源域和目标域之间的分布差异为:其中,为再生希尔伯特核空间范数,n
x
与n
y
分别两个领域的维数;设源域数据集为其中x
S
与y
S
分别表示输入集及相应的输出集,目标域数据集为其中x
T
与y
T
分别为目标域输入集与相应的输出集;假设P(X
S
)与Q(X
T
)分别表示来自源域和目标域的输入集x
S
和x
T
的边际分布,P(φ(X
S
))≈P(φ(X
T
)),则分布P与Q之间的距离可以表示为:其中,n
S
与n
T
表示源域与目标域数据的维度;假设k(x
i
,x
j
)=φ(x
i
)
T
φ(x
j
),k表示相应的核函数,源域和目标域的输入集的边际分布P(X
S
)与Q(X
T
)之间的距离可以转化为一个求解矩阵迹的问题,即其中,K为复合核矩阵,K
S
与K
T
分别为源域数据X
S
,目标域数据X
T
与核函数k所定义的核矩阵,tr表示矩阵的迹,L表示系数矩阵,具体表示为:具体表示为:选取MMDE目标函数同时满足分布之间的距离最小和特征空间中的方差最大,即
其中,λ≥0表示惩罚参数;将核矩阵K分解为经验核映射K=(KK
‑
1/2
)(K
‑
1/2
K),并使用变换矩阵将经验核映射特征转换到一个m维空间,其中m<<n1+n2;由此,合成核矩阵为:其中,因此,边际分布间的距离可以重新写为:Dist(X
S
,X
T
)=tr((KWW
T
K)L)=tr(W
T
KLKW)(8)采用最大限度地对齐嵌入,即其中,γ为一个权衡系数,一般γ≥0,如果i,j≤n
S
,[K
l
]
ij
=k
yy
(y
i
,y
j
),否则[K
l
]
ij
=0,令K
v
=I。优化问题可以表示为:其中,H为中心矩阵,是所有元素全为1的列向量,为一个单位矩阵。Γ=D
‑
M,D为元素为的对角矩阵,M=[m
ij
],μ表示一个权衡参数,一般大于0。引入拉格朗日乘子与Karush
‑
Kuhn
‑
Tucker条件,将(14)的优化问题转化为其对偶问题,即通过特征分解矩阵来求解,计算得到变化矩阵,进而可以确定源域与目标域数据在新特征空间的映射;步骤四、将求解变化矩阵得到的特征映射值输入LSTM神经网络,LSTM神经网络将输入的数据进行前向传播,其通过在单元中的三个门结构即遗忘门,输入门和输出门来控制信息的传递过程;遗忘门用来决定哪些信息需要被舍弃,哪些信息需要被传递下去,即f
t
=σ(W
fx
x
t
+W
fh
h
t
‑1+b
f
)(12)其中,W
fx
,W
fh
与b
...
【专利技术属性】
技术研发人员:马彦,单策,姚美好,朱家俊,高金武,陈虹,
申请(专利权)人:吉林大学,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。