對動(dòng)車組用蓄電池進(jìn)行壽命預(yù)測,能夠評估電池狀態(tài),降低故障的危害性和運(yùn)用維護(hù)成本,指導(dǎo)修訂修程。相較于在線預(yù)測模型,離線預(yù)測模型無法適應(yīng)影響因素的不斷變化,提出一種基于粒子濾波(PF)與長短期記憶網(wǎng)絡(luò)(LSTM)融合的在線預(yù)測方法。傳統(tǒng)的PF方法依賴經(jīng)驗(yàn)方程作為狀態(tài)轉(zhuǎn)移方程,而精確的經(jīng)驗(yàn)方程難以得到,利用已有數(shù)據(jù)訓(xùn)練LSTM模型,模型得到的退化方程作為PF的狀態(tài)轉(zhuǎn)移方程,解決了PF依賴經(jīng)驗(yàn)方程的問題,同時(shí)PF能給出不確定性表達(dá)。研究結(jié)果表明,該方法模型更新簡單有效,預(yù)測精度好,彌補(bǔ)了鎘鎳蓄電池壽命模型研究的缺失,對蓄電池剩余壽命研究的發(fā)展有著重要意義。

【文章頁數(shù)】：8 頁

【部分圖文】：

圖2實(shí)驗(yàn)設(shè)備Fig.2Experimentapparatus

第7期成庶，等：鎘鎳蓄電池壽命預(yù)測的PF-LSTM建模方法研究1829Step1：對容量數(shù)據(jù)預(yù)處理，剔除不可用數(shù)據(jù)，進(jìn)行歸一化；Step2：隨機(jī)生成N個(gè)粒子1230000{,,,,}Npppp作為初始粒子；Step3：處理后的數(shù)據(jù)投入到LSTM中進(jìn)行學(xué)習(xí)訓(xùn)練，LSTM中增加dro....

本文編號：3905216