nasa电池数据集_文章分享—模型与滤波算法结合的锂电池剩余寿命预测方法

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。