车用锂离子动力电池剩余寿命非线性组合预测研究

作者：徐东辉^*

来源：北京师范大学学报(自然科学版), 2021, 57(05): 571-576.

• 锂离子电池
• 时间序列
• 非线性组合
• RBF
• NARX
• 改进Elman
• 预测

针对单一预测模型难以准确预测锂电池的剩余寿命(remaining useful life,RUL)难题,提出了非线性组合预测方法;利用相空间重构,对实验采集到的数据进行重构,将重构后的数据对改进Elman神经网络和非线性自回归(nonlinear autoregressive with exogenous input,NARX)神经网络这2个单项预测模型进行训练和预测;采用RBF神经网络对2个单项模型的预测值进行非线性组合,获得最终的RUL预测值.结果表明:非线性组合预测方法的均方根误差比PCA-NARX方法提高了近1%,比NARX方法提高了近2%,比改进Elman方法提高了近3%;非线性组合预测方法具有较高的精度及泛化能力,采用相空间重构技术有利于提高非线性组合方法的预测精度.

• 单位
  数学与计算机科学系; 南昌师范学院