基于集成ANN的锂电池粒子滤波RUL预测方法研究

李文峰; 许爱强; 冀全兴; 周立建

首页> 中文期刊> 《电光与控制》 >基于集成ANN的锂电池粒子滤波RUL预测方法研究

基于集成ANN的锂电池粒子滤波RUL预测方法研究

开具论文收录证明 >>

期刊封面封底目录下载 >>

文献代查 >>

页面导航

摘要
著录项
相似文献
相关主题

摘要

针对部分可观测信息条件下量测噪声未知时粒子滤波剩余寿命预测的问题,提出了一种基于集成神经网络和粒子滤波的寿命预测方法.首先,结合设备性能退化量测数据,生成状态-观测数据组,并利用bootstrap技术构建多个数据组,采用集成神经网络训练状态-观测数据组,根据推导公式估计量测噪声标准差的最优取值范围;其次,将量测噪声标准差作为未知参数嵌入在粒子滤波寿命预测框架中,实现非线性系统的剩余寿命预测及概率密度分布;最后,选取锂离子电池寿命预测仿真验证了该方法的有效性和可行性.

著录项

来源
《电光与控制》 |2016年第7期|87-92|共6页
作者
李文峰; 许爱强; 冀全兴; 周立建;
展开▼
作者单位

海军航空工程学院科研部,山东烟台 264001;

中国人民解放军92635部队,山东青岛 266000;

海军航空工程学院科研部,山东烟台 264001;

中国人民解放军92635部队,山东青岛 266000;

中国人民解放军92635部队,山东青岛 266000;

展开▼
原文格式 PDF
正文语种 chi
中图分类航空仪表、航空设备、飞行控制与导航;
关键词
粒子滤波; 集成神经网络; 剩余使用寿命预测; 锂离子电池;

相似文献

中文文献
外文文献
专利

1. 基于权值选择粒子滤波的锂电池RUL预测研究 [J] . 李亚滨 ,袁学庆 ,汤琦 . 计算机仿真 . 2020,第011期
2. 基于改进粒子滤波算法实现锂离子电池RUL预测 [J] . 韦海燕 ,安晶晶 ,陈静 . 汽车工程 . 2019,第012期
3. 基于改进粒子滤波的锂离子电池RUL预测 [J] . 刘亚姣 ,刘振泽 ,宋晨辉 . 吉林大学学报（信息科学版） . 2018,第002期
4. 基于CNN-LSTM的锂电池剩余寿命(RUL)间接预测研究 [J] . 陈赐阳 ,陈德旺 . 电源技术 . 2021,第005期
5. 基于新容量退化模型的锂电池RUL预测研究 [J] . 李亚滨 ,林硕 ,袁学庆 . 计算机仿真 . 2020,第002期
6. 基于递归神经网络和粒子滤波的锂电池SOC估计 [C] . Zhu Yayun ,朱亚运 ,Tian Jiaqiang . 第20届中国系统仿真技术及其应用学术年会（20th CCSSTA 2019) . 2019
7. 基于CEF和集成KELM的滚动轴承RUL预测方法研究 [A] . 孙良棚 . 2019

基于集成ANN的锂电池粒子滤波RUL预测方法研究

摘要

著录项

相似文献

相关主题

期刊订阅