仪器仪表学报

作者：王 冉，后麒麟，石如玉，周雁翔，胡 雄

单位：王 冉,1. 上海海事大学 物流工程学院,,后麒麟,2. 上海航空测试技术研究所 故障诊断与健康管理技术航空科技重点实验室,,石如玉,1. 上海海事大学 物流工程学院,,周雁翔,1. 上海海事大学 物流工程学院,,胡 雄,1. 上海海事大学 物流工程学院,

关键词：锂电池剩余寿命预测;变分模态分解;长短期记忆神经网络;多层感知机;集成深度模型

基金：国家自然科学基金(51505277)项目资助

锂电池剩余寿命(RUL)预测对于锂电池安全使用至关重要。由于锂电池使用过程中存在容量再生现象和随机干扰等因素,导致单一尺度信号下单一模型的预测精度及泛化性能较差。针对上述问题,提出一种新的基于变分模态分解(VMD)与集成深度模型的锂电池剩余寿命预测方法。首先,采用变分模态分解将锂电池容量数据进行多尺度分解,得到信号的全局退化趋势和局部随机波动分量;然后,分别采用多层感知机(MLP)和长短期记忆神经网络(LSTM)对全局退化趋势和各波动分量进行建模;最后,将各个分量子模型的预测结果进行集成,获得最终的锂电池剩余寿命预测结果。实验结果表明,该方法具有较高的预测精度与稳定性。

来源：2021年第4期

《仪器仪表学报》期刊编辑部

查看仪器仪表学报杂志2021年第4期