基于主成分分析与ILM-DGRBF网络的SOH估算

作者：李亚飞; 王泰华; 张润雨; 张家乐

来源：电子测量技术, 2023, 46(17): 30-36.

DOI：10.19651/j.cnki.emt.2211771

• 锂离子电池
• 健康状态
• 主成分分析
• RBF神经网络
• 高斯核函数
• LM算法

针对锂离子电池健康状态(SOH)估算精度低的问题，提出一种基于主成分分析(PCA)与改进LM算法-双高斯核RBF(ILM-DGRBF)神经网络的方法，实现了SOH的准确估算。首先，提取与锂离子电池容量衰退高度相关的健康因子(HI),采用PCA方法进行降维处理，减少HI之间冗余度。其次，创建双高斯核RBF神经网络，利用改进LM算法实现网络参数在线学习，建立ILM-DGRBF神经网络。再次，利用数据增强的电池测试数据训练ILM-DGRBF实现SOH估算。验证表明，经PCA降维得到的主成分1能够有效地反应锂离子电池的老化趋势，可用于SOH的估算；与其他模型相比，所建ILM-DGRBF模型具有更高的估算精度和更好的鲁棒性，估算结果的误差控制在1.5%以内。最后，基于该方法构建一种新的SOH智能估算系统，为电池安全管理提供参考依据。

• 单位
  自动化学院; 河南理工大学