典型文献
基于数据驱动模型融合的锂离子电池多时间尺度状态联合估计方法
文献摘要：
本文提出一种基于数据驱动法(data driven method,DDM)-等效电路模型(equivalent circuit model,ECM)融合的锂离子电池多时间尺度状态联合估计方法.首先提取内阻作为健康特征(health factor,HF),利用最小二乘支持向量机(least squares support vector machine,LSSVM)建立电池老化模型实现健康状态(state of health,SOH)估计;根据阻容参数辨识值和容量估计值建立电池状态空间方程,结合无迹卡尔曼滤波算法(unscented Kal-man filter,UKF)进行荷电状态(state of charge,SOC)估计;用高斯过程回归(Gaussian process regression,GPR)对HF随循环次数的变化进行映射,预测HF的变化趋势,并结合LSSVM模型实现长期剩余使用使命(remaining useful life,RUL)预测.实验结果表明,所提方法具有较高精度和鲁棒性.
文献关键词：
锂离子电池;多时间尺度;联合估计;融合方法
中图分类号：
作者姓名：
王萍;彭香园;程泽;张吉昂
作者机构：
天津大学电气自动化与信息工程学院,天津 300072
文献出处：
引用格式：
[1]王萍;彭香园;程泽;张吉昂-.基于数据驱动模型融合的锂离子电池多时间尺度状态联合估计方法)[J].汽车工程,2022(03):362-371,378
A类：
B类：
数据驱动模型,模型融合,锂离子电池,多时间尺度,联合估计,估计方法,data,driven,method,DDM,等效电路模型,equivalent,circuit,model,ECM,内阻,health,HF,最小二乘支持向量机,least,squares,support,vector,machine,LSSVM,电池老化,老化模型,模型实现,健康状态,state,SOH,阻容,参数辨识,容量估计,估计值,电池状态,状态空间方程,无迹卡尔曼滤波算法,unscented,Kal,man,filter,UKF,荷电状态,charge,SOC,高斯过程回归,Gaussian,process,regression,GPR,循环次数,remaining,useful,life,RUL,融合方法
AB值：
0.518051
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
