本文選題：鋰離子電池 + 剩余壽命預(yù)測(cè)��； 參考：《大連海事大學(xué)》2017年碩士論文

【摘要】：鋰離子電池作為一種能量供應(yīng)部件,具有體積小、重量輕、溫度范圍寬和高能量比等諸多優(yōu)點(diǎn),是很多復(fù)雜系統(tǒng)、關(guān)鍵電子設(shè)備的組成部分,對(duì)整個(gè)系統(tǒng)起著至關(guān)重要的作用。在系統(tǒng)運(yùn)行時(shí),若沒有對(duì)鋰離子電池的剩余壽命(remaining useful life,RUL)進(jìn)行監(jiān)測(cè)以便及時(shí)更換新的電池或維修,一旦發(fā)生故障則會(huì)直接導(dǎo)致系統(tǒng)性能降低,甚至引發(fā)災(zāi)難性的故障并造成重大損失,尤其對(duì)于航空航天系統(tǒng),因此,鋰離子電池RUL預(yù)測(cè)具有極其重要的實(shí)用價(jià)值和研究意義。本文針對(duì)鋰離子電池的RUL預(yù)測(cè)問題展開研究,提出了基于螢火蟲優(yōu)化算法的極限學(xué)習(xí)機(jī)(glowworm swarm optimization-extreme learning machine,GSO-ELM)鋰離子電池RUL預(yù)測(cè)模型。針對(duì)傳統(tǒng)單隱層前饋神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法存在的缺陷,在單隱層前饋神經(jīng)網(wǎng)絡(luò)中引入了極限學(xué)習(xí)機(jī)算法,并對(duì)極限學(xué)習(xí)機(jī)算法的理論進(jìn)行了詳細(xì)說明。針對(duì)鋰電池容量難以在線監(jiān)測(cè)的問題,采用等壓降放電時(shí)間序列作為間接健康因子,并建立了 RUL間接預(yù)測(cè)框架。選擇NASA鋰電池實(shí)驗(yàn)數(shù)據(jù)(B5,B6,B7,B18)為研究對(duì)象,首先提取了實(shí)際容量;然后選取恒壓放電模式,提取了電壓、電流以及充放電循環(huán)周期,得到了等壓降放電時(shí)間序列;最后采用偏相關(guān)系數(shù)法證明了電池實(shí)際容量和等壓降放電時(shí)間序列之間存在著強(qiáng)關(guān)聯(lián)性,從而證明了采用等壓降放電時(shí)間序列進(jìn)行間接RUL預(yù)測(cè)方法的可行性。采用螢火蟲算法對(duì)極限學(xué)習(xí)機(jī)的不足之處進(jìn)行優(yōu)化,建立了螢火蟲優(yōu)化算法的極限學(xué)習(xí)機(jī)(GSO-ELM)模型,并將GSO-ELM算法模型用于鋰離子電池間接RUL預(yù)測(cè)框架中。將GSO-ELM模型各個(gè)參數(shù)對(duì)模型性能的影響進(jìn)行了詳細(xì)分析并驗(yàn)證,選取合適的參數(shù)進(jìn)行RUL預(yù)測(cè),結(jié)果表明,GSO-ELM算法繼承了 ELM學(xué)習(xí)速度快的優(yōu)點(diǎn),而且,與ELM相比,它的跟蹤效果要更好。其中,由實(shí)驗(yàn)數(shù)據(jù)(B5)可見,用GSO-ELM算法得到的RUL誤差為2,平均相對(duì)誤差為5.36%,表明了該算法不但減小了 RUL預(yù)測(cè)的誤差,而且提高了算法結(jié)果的穩(wěn)定性。
[Abstract]:As a kind of energy supply component, Li-ion battery has many advantages, such as small volume, light weight, wide temperature range and high energy ratio. It is a part of many complex systems and key electronic equipment, which plays an important role in the whole system. When the system is running, if the residual life of the lithium ion battery is not monitored in order to replace the new battery or maintain it in a timely manner, it will directly result in a deterioration in system performance in the event of failure. Even causing catastrophic failure and causing great losses, especially for aerospace systems, lithium ion battery RUL prediction has an extremely important practical value and research significance. In this paper, the RUL prediction model of lithium-ion battery based on firefly optimization algorithm is proposed, and the RUL prediction model of glow worm swarm optimization-extreme learning machine GSO-ELM) is proposed. Aiming at the shortcomings of the traditional single hidden layer feedforward neural network learning algorithm, this paper introduces the ultimate learning machine algorithm into the single hidden layer feedforward neural network, and explains the theory of the ultimate learning machine algorithm in detail. To solve the problem that the capacity of lithium battery is difficult to be monitored on line, the isobaric discharge time series is used as the indirect health factor, and the indirect prediction framework of RUL is established. The experimental data of NASA lithium-ion battery (NASA) were selected as the research object. The actual capacity was extracted firstly, then the voltage, current and cycle of charge and discharge were extracted, and the time series of isobaric discharge were obtained by selecting the constant voltage discharge mode and the cycle period of charge and discharge. Finally, the partial correlation coefficient method is used to prove that there is a strong correlation between the actual capacity of the battery and the discharge time series of isobaric drop, which proves the feasibility of the indirect RUL prediction method using the isobaric drop discharge time series. The limitation of the ultimate learning machine is optimized by using the firefly algorithm. The GSO-ELM model of the firefly optimization algorithm is established, and the GSO-ELM algorithm model is applied to the indirect RUL prediction framework for lithium-ion batteries. The influence of each parameter of GSO-ELM model on the model performance is analyzed and verified in detail, and the appropriate parameters are selected for RUL prediction. The results show that the GSO-ELM algorithm inherits the advantages of fast ELM learning speed, and compared with ELM, the GSO-ELM algorithm has the advantages of fast learning speed. It has better tracking effects. It can be seen from the experimental data (B5) that the RUL error obtained by GSO-ELM algorithm is 2 and the average relative error is 5.36, which indicates that the algorithm not only reduces the error of RUL prediction, but also improves the stability of the result.
【學(xué)位授予單位】：大連海事大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2017
【分類號(hào)】：TM912

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 趙健,楊維芝,趙佳明;鋰離子電池的應(yīng)用開發(fā)[J];電池工業(yè);2000年01期

2 ;如何正確使用鋰離子電池[J];電子科技;2000年09期

3 ;我國(guó)第一條現(xiàn)代化鋰離子電池生產(chǎn)線在濰坊建成投產(chǎn)[J];電池工業(yè);2001年01期

4 陳洪超;李相東;;鋰離子電池原理、研究現(xiàn)狀與應(yīng)用前景[J];軍事通信技術(shù);2001年01期

5 ;新型鋰離子電池[J];炭素技術(shù);2002年03期

6 朱曉軍;;全球最薄鋰離子電池[J];家庭電子;2002年03期

7 啟明;高容量鋰離子電池負(fù)極[J];金屬功能材料;2003年01期

8 楊捷;鋰離子電池的特點(diǎn)與使用[J];現(xiàn)代電視技術(shù);2003年05期

9 周園 ,韓金鐸;鋰離子電池:機(jī)遇與挑戰(zhàn)共存——參加“鋰離子電池與電動(dòng)車”研討會(huì)有感[J];鹽湖研究;2003年02期

10 石保慶;鋰離子電池的必測(cè)項(xiàng)目——電池平臺(tái)[J];中國(guó)無線電管理;2003年01期

相關(guān)會(huì)議論文 前10條

1 許名飛;郭永興;李新海;吳顯明;;鋰離子電池氣脹問題探析[A];第十二屆中國(guó)固態(tài)離子學(xué)學(xué)術(shù)會(huì)議論文集[C];2004年

2 王宏偉;鄧爽;肖海清;王超;楊宗輝;施亞申;;鋰離子電池誤使用的安全檢測(cè)與分析[A];2011年全國(guó)失效分析學(xué)術(shù)會(huì)議論文集[C];2011年

3 劉勇;盤毅;謝凱;蘆偉;;鋰離子電池的存儲(chǔ)性能研究[A];第30屆全國(guó)化學(xué)與物理電源學(xué)術(shù)年會(huì)論文集[C];2013年

4 張俊乾;;鋰離子電池中的擴(kuò)散應(yīng)力和破壞[A];中國(guó)力學(xué)大會(huì)——2013論文摘要集[C];2013年

5 康慨;戴受惠;萬玉華;王樹安;;我國(guó)鋰離子電池的研究與發(fā)展[A];新世紀(jì) 新機(jī)遇 新挑戰(zhàn)——知識(shí)創(chuàng)新和高新技術(shù)產(chǎn)業(yè)發(fā)展（上冊(cè)）[C];2001年

6 張千玉;馬曉華;;二甲苯用作鋰離子電池過充保護(hù)添加劑的研究[A];第二十八屆全國(guó)化學(xué)與物理電源學(xué)術(shù)年會(huì)論文集[C];2009年

7 張千玉;馬曉華;;新型鋰離子電池過充保護(hù)添加劑的研究[A];第二十八屆全國(guó)化學(xué)與物理電源學(xué)術(shù)年會(huì)論文集[C];2009年

8 朱靜;于申軍;陳志奎;何顯能;周永超;李賀;;水分對(duì)鋰離子電池性能的影響研究[A];第二十八屆全國(guó)化學(xué)與物理電源學(xué)術(shù)年會(huì)論文集[C];2009年

9 崔少華;楊曉民;;圓型鋰離子電池滲液不良分析[A];自主創(chuàng)新與持續(xù)增長(zhǎng)第十一屆中國(guó)科協(xié)年會(huì)論文集（2）[C];2009年

10 李琳琳;王斌;吳宇平;T.van Ree;;甲基苯基二-(甲氧二乙基)硅烷用作鋰離子電池功能性添加劑的研究[A];第七屆中國(guó)功能材料及其應(yīng)用學(xué)術(shù)會(huì)議論文集（第7分冊(cè)）[C];2010年

相關(guān)重要報(bào)紙文章 前10條

1 李壯;新國(guó)標(biāo)9月實(shí)施鋰電池門檻加高[N];中國(guó)高新技術(shù)產(chǎn)業(yè)導(dǎo)報(bào);2005年

2 劉碧瑪;動(dòng)力鋰離子電池要抓住發(fā)展機(jī)遇[N];科技日?qǐng)?bào);2007年

3 記者　陳穎;深圳鋰電產(chǎn)量已占全國(guó)六成[N];深圳特區(qū)報(bào);2006年

4 實(shí)習(xí)記者 徐恒邋記者 諸玲珍;鋰離子電池安全受關(guān)注 新材料研究是熱點(diǎn)[N];中國(guó)電子報(bào);2008年

5 徐恒 諸玲珍;鋰離子電池安全備受關(guān)注[N];中國(guó)有色金屬報(bào);2008年

6 李燕京;鋰離子電池國(guó)標(biāo)年內(nèi)將出臺(tái)[N];中國(guó)消費(fèi)者報(bào);2008年

7 本報(bào)記者 馮健;動(dòng)力鋰離子電池：安全性制約應(yīng)用[N];中國(guó)電子報(bào);2009年

8 新材料在線首席研究員 李國(guó)強(qiáng);鋰離子電池產(chǎn)業(yè):中日韓三分天下[N];中國(guó)電子報(bào);2004年

9 金信;全國(guó)最大的鋰離子電池生產(chǎn)基地在津建成[N];中國(guó)機(jī)電日?qǐng)?bào);2002年

10 黃新培;業(yè)內(nèi)專家對(duì)生產(chǎn)企業(yè)提出三點(diǎn)建議[N];中國(guó)機(jī)電日?qǐng)?bào);2002年

相關(guān)博士學(xué)位論文 前10條

1 劉金龍;鋰離子電池高性能富鋰錳基正極材料的研究[D];復(fù)旦大學(xué);2014年

2 劉玉榮;錳基混合型金屬氧化物孿生微納結(jié)構(gòu)的制備、形成機(jī)理與儲(chǔ)鋰性能[D];山東大學(xué);2015年

3 易金;鋰離子電池釩基負(fù)極材料的研究[D];復(fù)旦大學(xué);2014年

4 張千玉;綠色能源材料鈦酸鋰的改性及其回收再利用的研究[D];復(fù)旦大學(xué);2014年

5 袁慶豐;鋰離子電池硅基復(fù)合負(fù)極材料和電池安全性的研究[D];華南理工大學(xué);2015年

6 明海;高容量或高倍率鋰離子電池材料的合成與相應(yīng)全電池的組裝研究[D];蘇州大學(xué);2015年

7 楊智博;高性能鋰離子電池硅/鍺電極的設(shè)計(jì)與制備[D];蘭州大學(xué);2015年

8 董漢成;衛(wèi)星電源電池健康狀態(tài)診斷方法研究[D];哈爾濱工業(yè)大學(xué);2015年

9 張濤;廢棄鋰離子電池破碎及富鈷產(chǎn)物浮選的基礎(chǔ)研究[D];中國(guó)礦業(yè)大學(xué);2015年

10 張立強(qiáng);鋰離子電池多物理模型參數(shù)辨識(shí)及健康特征提取[D];哈爾濱工業(yè)大學(xué);2015年

相關(guān)碩士學(xué)位論文 前10條

1 張濤;失效鋰離子電池破碎特性研究[D];華東交通大學(xué);2011年

2 馬宇宏;鋰離子電池?zé)岚踩匝芯縖D];電子科技大學(xué);2013年

3 王會(huì)軍;過渡金屬氧化物和過渡金屬硫化物作為鋰離子電池負(fù)極材料的研究[D];西南大學(xué);2015年

4 任婉;鋰離子電池鎳—錳二元正極材料的研究[D];華南理工大學(xué);2015年

5 李娟;鋰離子電池負(fù)極材料Li_4Ti_5O_(12)的制備與研究[D];廣東工業(yè)大學(xué);2012年

6 玄哲文;微納結(jié)構(gòu)MnO_2及CuO的制備及作為鋰離子電池負(fù)極的性能研究[D];云南民族大學(xué);2015年

7 邢程程;原位生長(zhǎng)FeS納米結(jié)構(gòu)薄膜及其在鋰離子電池中的應(yīng)用[D];浙江大學(xué);2015年

8 白鋼印;鋰離子電池高電壓正極材料鎳猛酸鋰的合成與改性研究[D];昆明理工大學(xué);2015年

9 宋贏;鋰離子電池二氧化鈦負(fù)極材料摻雜改性及電化學(xué)行為研究[D];遼寧大學(xué);2015年

10 安平;聚酰亞胺鋰離子電池隔膜的制備及其性能研究[D];陜西科技大學(xué);2015年

，

本文編號(hào)：1830355