寿命预测技术在动车组蓄电池上的应用

作者：代毅; 于天剑; 成庶; 伍珣; 刘嘉文

来源：控制与信息技术, 2021, (05): 84-90.

DOI：10.13889/j.issn.2096-5427.2021.05.400

• 动车组
• 蓄电池
• 剩余使用寿命预测
• 融合算法
• 粒子滤波
• 扩展卡尔曼滤波

动车组蓄电池组的可靠性涉及列车的行车安全,但由于镉镍电池独特的记忆效应,适用于动车组碱性镉镍蓄电池的寿命预测算法较少,且目前国内尚无实际应用案例。为此,文章提出一种基于粒子滤波与扩展卡尔曼滤波相融合(particle filter-extended Kalman filter,PF-EKF)的蓄电池剩余使用寿命(remaining useful life,RUL)预测算法,并与粒子滤波(particle filter,PF)和扩展卡尔曼滤波(extended Kalman filter,EKF)算法进行对比。实验结果显示,PF-EKF算法结构简单、实现简便,并且具有最高的蓄电池寿命预测精度,准确率达到96.691%。

• 单位
  中南大学