基于高阶扩展卡尔曼滤波的锂电池剩余使用寿命自适应预测
余伟
周云刚
朱文博
黎海兵
张忠波
佛山大学机电工程与自动化学院,广东 佛山 528225
摘要：锂电池的剩余使用寿命(Remaining Useful Life,RUL)预测对于电池健康管理系统的预防性维护至关重要,基于随机过程的退化模型在此领域中发挥了关键作用,特别是采用双隐含状态非线性维纳过程,能够更加灵活具体地描述锂电池退化趋势.在锂电池RUL自适应预测中,退化模型参数在线更新较多采用扩展卡尔曼滤波(Extended Kalman Filter,EKF)方法,它是近似精度只有一阶的非线性高斯滤波器,对强非线性系统滤波精度偏低.基于锂电池双隐含状态非线性维纳退化模型,设计高阶扩展卡尔曼滤波器(High-order Extended Kalman Filter,HEKF),利用高阶项信息减小截断误差,得到最优在线参数估计值,推导出RUL的概率密度函数,实现锂电池RUL自适应预测.通过NASA的锂电池退化数据进行实例验证,相较其他两种方法,所建立方法RUL预测结果的RMSE 值、MAE值分别降低 53.3%、61.6%和 65.7%、66.1%.
关键词：锂电池剩余使用寿命高阶扩展卡尔曼滤波非线性维纳过程双隐含状态
分类号：U462.3(汽车工程)
资助基金：国家自然科学基金(61803086)国家自然科学基金(62106048)广东省基础与应用基础研究基金资助项目(2022A1515110187)广东省基础与应用基础研究基金资助项目(2022A1515140042)
论文发表日期：2025-01-29
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：8( 19-26 )
英文信息