论文标题:
Remaining useful life prediction of lithium-ion batteries with adaptive unscented kalman filter and optimized support vector regression
论文作者:
Zhiwei Xue, Yong Zhang, Cheng Cheng, Guijun Ma
论文链接:
https://www.sciencedirect.com/science/article/abs/pii/S0925231219313426
发表期刊:
neurocomputing
概述
为了避免锂离子电池退化引起的事故,准确的电池寿命预测值有助于正确判断电池的老化程度,预测电池的健康工作时间,从而设计出时间充裕的最佳维护策略,从而节约资源,降低成本并确保安全。 本文提出了一种结合 自适应无迹卡尔曼滤波(AUKF)和遗传算法优化支持向量回归(GA-SVR)的综合算法来提高锂电池剩余寿命预测(RUL)的准确性。本文使用 NASA电池数据集进行验证,其中选择B0005、B0006、B0007和B0018号电池数据做验证。本文提出的自适应无迹卡尔曼对噪声协方差进行自适应更新,并采用遗传算法对SVR的关键参数进行优化,最终达到更高的RUL预测精度。