典型文献
基于SQKF的锂离子电池剩余寿命预测
文献摘要：
针对锂离子电池剩余寿命(remaining useful life,RUL)难以精准预测的问题,建立单指数经验容量衰退模型,提出能够有效解决电池非线性问题的平方根求积分卡尔曼滤波(square-root quadrature kalman filtering,SQKF)算法.现有的最优估计方法中,求积分卡尔曼滤波(quadrature kalman filtering,QKF)是一种高精度采样算法.研究发现,QKF的估计误差易引起非对称、非正定协方差的传播,影响算法稳定性.在QKF算法上进行平方根扩展,并对单变量求积节点进行多维扩展,将SQKF算法应用于电池容量跟踪估计;另外,从理论上证明SQKF的稳定性.使用NASA公开数据集对算法进行仿真验证,并与现有的扩展卡尔曼滤波、无迹滤波、QKF算法对比.结果表明,在一定条件下,SQKF的RUL预测误差在6％以内,数值精度以及数值稳定性有很大提高,并且研究发现SQKF受锂离子电池个体差异性的影响较小,文中方法在锂离子电池RUL预测的实际应用方面具有参考价值.
文献关键词：
锂离子电池;剩余使用寿命;经验容量衰退模型;平方根求积分卡尔曼滤波
中图分类号：
作者姓名：
黄梦涛;胡礼芳;张齐波
作者机构：
西安科技大学 电气与控制工程学院,陕西 西安710054
文献出处：
引用格式：
[1]黄梦涛;胡礼芳;张齐波-.基于SQKF的锂离子电池剩余寿命预测)[J].西安科技大学学报,2022(05):994-1002
A类：
SQKF,经验容量衰退模型,平方根求积分卡尔曼滤波,求积分卡尔曼滤波,QKF
B类：
锂离子电池,剩余寿命预测,remaining,useful,life,RUL,精准预测,单指数,非线性问题,square,root,quadrature,kalman,filtering,最优估计,估计方法,采样算法,估计误差,非正定,协方差,算法应用,电池容量,上证,NASA,公开数据集,仿真验证,扩展卡尔曼滤波,算法对比,预测误差,数值精度,数值稳定性,个体差异性,中方,剩余使用寿命
AB值：
0.240351
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。
