隨著人們對系統(tǒng)可靠性的要求不斷提高,故障預測技術具有越來越高的實用價值。故障預測是預先判斷未來有可能出現(xiàn)的故障或者故障演變的趨勢,為消除潛在的安全隱患,降低人員傷亡和財產(chǎn)損失提供技術支持。故障預測主要包括故障的早期端倪檢測和系統(tǒng)、元件等的剩余壽命預測。鋰離子電池是一種廣泛使用的儲能和供能元件,對其剩余使用壽命進行準確估計,在電池失效之前及時更換,可以有效的保障系統(tǒng)正常運行,避免重大事故發(fā)生。本文基于鋰離子電池雙指數(shù)容量退化模型,研究了鋰離子電池剩余使用壽命的融合預測算法,提高了預測效果。本文首先簡單分析了電池容量衰減的主要原因,討論了電池的退化模型,將電池的剩余壽命預測轉化為電池容量預測。然后將無跡卡爾曼濾波器應用于鋰離子電池的壽命預測,在此基礎上,提出用數(shù)據(jù)驅動方法預測殘差校正項的融合思路。第一種融合算法是用BP神經(jīng)網(wǎng)絡對未來殘差趨勢進行迭代預測,恢復濾波器的預測更新功能。通過鋰離子電池容量數(shù)據(jù)集的仿真實驗,引入四個評價指標,驗證了這一融合思路的可行性。為了進一步改善預測效果,提出了第二種融合預測算法,用K-均值聚類算法調整徑向基神經(jīng)網(wǎng)絡的基函數(shù)中心,優(yōu)化后的網(wǎng)絡來預測濾波器殘差值,... 

【文章來源】：華中科技大學湖北省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：70 頁

【學位級別】：碩士

【部分圖文】：

RBF神經(jīng)網(wǎng)絡結構圖

【參考文獻】：
期刊論文
[1]一種結合UKF的疲勞結構剩余壽命預測方法[J]. 羅斌,林琳,鐘詩勝.  哈爾濱工業(yè)大學學報. 2018(07)
[2]基于數(shù)據(jù)的復雜工程系統(tǒng)故障預測[J]. 陳朝旭,方華京.  上海應用技術學院學報(自然科學版). 2016(01)
[3]鋰電池健康狀態(tài)監(jiān)測與評價技術研究[J]. 陳滿,李勇琦,劉邦金,王浩.  水電站機電技術. 2015(S1)
[4]鋰離子電池健康評估和壽命預測綜述[J]. 劉大同,周建寶,郭力萌,彭宇.  儀器儀表學報. 2015(01)
[5]電動車鋰離子電池健康狀態(tài)模型研究進展[J]. 李勇,王麗芳,廖承林.  電源技術. 2013(05)
[6]大型數(shù)控設備故障預測與健康管理視情維修系統(tǒng)[J]. 趙中敏,王茂凡.  機床電器. 2011(06)
[7]一種基于改進k-means的RBF神經(jīng)網(wǎng)絡學習方法[J]. 龐振,徐蔚鴻.  計算機工程與應用. 2012(11)
[8]復雜系統(tǒng)故障預測方法與應用技術研究[J]. 吳明強,房紅征,伊大偉.  計算機測量與控制. 2010(01)
[9]故障預測與健康管理技術綜述[J]. 彭宇,劉大同,彭喜元.  電子測量與儀器學報. 2010(01)
[10]基于HMM的設備故障預測方法研究[J]. 康建設,馬倫,李望偉,趙強.  系統(tǒng)仿真技術. 2009(03)

碩士論文
[1]人工神經(jīng)網(wǎng)絡在數(shù)據(jù)挖掘中的應用研究[D]. 崔麗群.遼寧工程技術大學 2004



本文編號：3246351