專利名稱：基于相關(guān)向量回歸的在線預(yù)測鋰離子電池剩余壽命的方法
技術(shù)領(lǐng)域：
本發(fā)明涉及一種基于相關(guān)向量回歸的在線預(yù)測鋰離子電池剩余壽命的方法，屬于鋰離子電池壽命預(yù)測技術(shù)領(lǐng)域。
背景技術(shù)：
鋰離子電池以其優(yōu)越的性能已經(jīng)應(yīng)用于我們生活中的各個領(lǐng)域，目前已經(jīng)逐漸擴(kuò)展到航空、航天等領(lǐng)域，如在軌衛(wèi)星、空間站等。隨著充放電循環(huán)的進(jìn)行，鋰離子電池內(nèi)阻增大，壽命降低。對于人類難以接近的空間應(yīng)用，鋰離子電池的故障或壽命縮短常常引發(fā) 致命故障，如美國Mars Global Surveyor飛行器失效,就是由于電池故障導(dǎo)致計(jì)算機(jī)系統(tǒng)的一系列錯誤，致使電池系統(tǒng)直面太陽照射導(dǎo)致過熱造成安全系統(tǒng)失效所引發(fā)的任務(wù)失敗?？梢?，鋰離子電池剩余壽命預(yù)測是十分重要的，特別是空間應(yīng)用的鋰離子電池，其剩余壽命在線預(yù)測更為重要。目前，剩余壽命預(yù)測方法可分為基于模型和數(shù)據(jù)驅(qū)動兩類?；谀Ｐ偷姆椒◤碾姵貎?nèi)部的電化學(xué)反應(yīng)出發(fā)建立電池等效電路模型，預(yù)測精度依賴模型的準(zhǔn)確性，而實(shí)際應(yīng)用很難準(zhǔn)確建立電池模型。數(shù)據(jù)驅(qū)動方法主要包括神經(jīng)網(wǎng)絡(luò)、支持向量機(jī)、粒子濾波方法和相關(guān)向量機(jī)法。神經(jīng)網(wǎng)絡(luò)預(yù)測方法不需要建立系統(tǒng)的數(shù)學(xué)模型且具有極強(qiáng)的非線性映射能力，但訓(xùn)練時需要大量數(shù)據(jù)樣本。支持向量機(jī)方法針對小樣本、非線性問題具有明顯優(yōu)勢，已經(jīng)被廣泛應(yīng)用于預(yù)測領(lǐng)域，但其主要缺點(diǎn)是只能給出單點(diǎn)預(yù)測值。粒子濾波方法是概率式的預(yù)測，目前的研究較多，其主要缺點(diǎn)是依賴經(jīng)驗(yàn)?zāi)Ｐ蛠斫顟B(tài)轉(zhuǎn)移方程。與支持向量機(jī)類似的相關(guān)向量機(jī)(Relevance Vector Machine, RVM)是由美國Tipping博士 2000年提出的基于概率學(xué)習(xí)的稀疏Bayesian學(xué)習(xí)理論的算法模型。基于核函數(shù)的相關(guān)向量機(jī)，不僅能夠反映輸出結(jié)果的概率信息，并且擁有泛化能力強(qiáng)、固定超參數(shù)、學(xué)習(xí)算法簡單易實(shí)現(xiàn)的優(yōu)點(diǎn)，已經(jīng)開始用于預(yù)測領(lǐng)域。其主要優(yōu)點(diǎn)是在給出預(yù)測結(jié)果的同時還能夠輸出預(yù)測結(jié)果的置信區(qū)間，這對于使用者來說更具指導(dǎo)意義。目前，針對鋰離子電池剩余壽命的各種預(yù)測方法大多是離線方法，即根據(jù)樣品的歷史數(shù)據(jù)建立的一個離線預(yù)測模型。離線模型一經(jīng)建立就不再更新，但在線應(yīng)用時由于其負(fù)載工況劇烈變化，離線的預(yù)測模型適應(yīng)性較差，預(yù)測精度較低。目前，基于相關(guān)向量回歸的鋰離子電池剩余壽命預(yù)測方法仍然沒有有效的在線預(yù)測策略來實(shí)現(xiàn)在線的、快速的預(yù)測。

發(fā)明內(nèi)容
本發(fā)明是為了解決現(xiàn)有鋰離子電池采用離線方法預(yù)測剩余壽命，預(yù)測精度低的問題，提供一種基于相關(guān)向量回歸的在線預(yù)測鋰離子電池剩余壽命的方法。本發(fā)明所述基于相關(guān)向量回歸的在線預(yù)測鋰離子電池剩余壽命的方法，它包括以下步驟步驟一選取待預(yù)測鋰離子電池容量數(shù)據(jù)IS = (C1, C2,…Cn)作為原始樣本,Ci為電池容量，單位為Ah, i = I, 2, "^n, η為正整數(shù)；進(jìn)行相空間重構(gòu)構(gòu)造訓(xùn)練樣本集設(shè)定嵌入維數(shù)I = 5,遲延d = I,得到訓(xùn)練樣本集 Kx1, Yi)，(X2，y2)，…，(Xn-1，yn-i)}，其中 Xj = (Cj, CJ+1,…，Cjtl^1), y」=CJ+1, j = 1，2,…n-1,其中X = (X1, X2, ···, Xlrf)為相關(guān)向量機(jī)RVM模型輸入數(shù)據(jù)，y = (y1; y2, ···,Yn-i)為相關(guān)向量機(jī)RVM模型的輸出數(shù)據(jù)；步驟二 初始化相關(guān)向量機(jī)RVM模型參數(shù)相關(guān)向量機(jī)RVM模型的數(shù)學(xué)表達(dá)式為y = Φ ω + ε，其中ω = (ω。，…，ωτ為模型的權(quán)值，ε = ( ε j, ε 2，…ε ^1)為高斯噪聲，且ε」 Ν(0, σ 2)，σ2為RVM模型輸出數(shù)據(jù)y的噪聲方差，Φ 為 nX(n+l)的矩陣,且 Φ = [Φ1； φ2— U'Φ j = [L K(xj, X1),…，Κ(χ」，Xj)…Κ(χ」，Xlri)]K (X」，Xlri)為核函數(shù)
權(quán)利要求
1.一種基于相關(guān)同量回歸的在線預(yù)測鋰離于電池剩余壽命的萬法，其特征在于它包括以下步驟 步驟一選取待預(yù)測鋰離子電池容量數(shù)據(jù)is = (C1, C2,…Cn)作為原始樣本，Ci為電池容量，單位為Ah, i = I, 2,為正整數(shù)； 進(jìn)行相空間重構(gòu)構(gòu)造訓(xùn)練樣本集設(shè)定嵌入維數(shù)I = 5,遲延d = I,得到訓(xùn)練樣本集{(xj yj)，(x2j y2)，…，(xn_]_，yn_i)}，其中 x』一(Cj-, Cj+1,…，，Yj- — Cj+1, j — 1,2，...n_l，其中x = (X1, x2,，Xlrf)為相關(guān)向量機(jī)RVM模型輸入數(shù)據(jù)，y = (y1; y2,…，yn_x)為相關(guān)向量機(jī)RVM模型的輸出數(shù)據(jù)； 步驟二 初始化相關(guān)向量機(jī)RVM模型參數(shù) 相關(guān)向量機(jī)RVM模型的數(shù)學(xué)表達(dá)式為y = 0) Co + e， 其中0 = (0。，…，(Olrf)T為模型的權(quán)值， e = ( e e2，- e n_x)為高斯噪聲，且e」 N(0，o 2)，o 2為RVM模型輸出數(shù)據(jù)y的噪聲方差， ①為nX (n+1)的矩陣，且O = 小2... U'^j= [I, K(xj, X1),…，K(Xj, Xj)…K(Xj, Xlrf)] K(xj, Xlrf)為核函數(shù)
2.根據(jù)權(quán)利要求I所 述的基于相關(guān)向量回歸的在線預(yù)測鋰離子電池剩余壽命的方法，其特征在于預(yù)測誤差限PEB = 0.1o
3.根據(jù)權(quán)利要求I或2所述的基于相關(guān)向量回歸的在線預(yù)測鋰離子電池剩余壽命的方法，其特征在于所述失效閾值U = I. 38Ah。
全文摘要
基于相關(guān)向量回歸的在線預(yù)測鋰離子電池剩余壽命的方法，屬于鋰離子電池壽命預(yù)測技術(shù)領(lǐng)域。它解決了現(xiàn)有鋰離子電池采用離線方法預(yù)測剩余壽命，預(yù)測精度低的問題。它首先選取原始樣本，然后進(jìn)行相空間重構(gòu)構(gòu)造訓(xùn)練樣本集；再初始化相關(guān)向量機(jī)RVM模型參數(shù)；RVM訓(xùn)練，得到RVM預(yù)測模型；得到預(yù)測值將與ynew進(jìn)行比較，若則構(gòu)造新的訓(xùn)練集WS＝WS∪INS，重新訓(xùn)練RVM，更新RVM預(yù)測模型；否則保持RVM預(yù)測模型不變；進(jìn)行遞推預(yù)測，直到預(yù)測值小于失效閾值U時預(yù)測完成，從而實(shí)現(xiàn)待預(yù)測鋰離子電池剩余壽命的在線預(yù)測。本發(fā)明適用于鋰離子電池剩余壽命的預(yù)測。
文檔編號G06F19/00GK102968573SQ20121054370
公開日2013年3月13日 申請日期2012年12月14日 優(yōu)先權(quán)日2012年12月14日
發(fā)明者周建寶, 劉大同, 馬云彤, 彭宇, 彭喜元 申請人:哈爾濱工業(yè)大學(xué)