[发明专利]一种基于IMM-UPF的锂电池寿命估计方法

摘要

本发明公开了一种基于IMM‑UPF的锂电池寿命估计方法，采用了一种新的融合模型交互式多模型，用于对不同的衰减模型融合计算。考虑锂电池衰减呈现非高斯和非线性的趋势使用卡尔曼滤波存在较大的误差，使用无迹粒子滤波对各模型进行滤波，一方面解决了粒子滤波在重采样过程中粒子匮乏的问题，另一方面又比卡尔曼滤波得到了更准确的预测结果。通过仿真结果和实验数据对比的方法对提出的IMM‑UPF方法进行了验证，结果表明该方法可以提升对锂电池寿命预测准确性。

主权项

1.一种基于IMM‑UPF的锂电池寿命估计方法，其特征在于：具体步骤如下：(1)首先使用四个相同型号的电池以恒定电流充电，直到电压达到充电截止电压，然后以恒定电压充电，直到充电电流降至截止电流后，结束充电；在室温下进行充放电实验，记录每一次完全充放电过程后的放电容量，得到电池容量衰减曲线，设定电池的失效阈值；(2)通过对所述的四个电池进行充放电实验收集了四组电池容量数据，通过观察衰减曲线发现第四组数据与前三组差距大，因此将前三组数据用于确定各单一模型参数的初始值，将第四个电池得到容量的数据用作预测准确性的验证；(3)使用由最小二乘法估计电池容量C_l的二阶多项式回归方程来描述锂电池在循环次数l次时与可以存储的最大容量C_l之间的关系，记为模型一，多项式的表达式为C_l＝a₁l²+b₁l+c₁式中，C_l表示锂电池在循环次数l时的最大电池容量，l表示锂电池循环次数，参数a₁,b₁和c₁都是与放电电流和温度有关的常数，由曲线拟合的方式确定其值；使用双指数方程表示的经验模型作为电池容量衰减的第二个模型，其表达式如下：C_l＝a₂·exp(b₂·l)+c₂·exp(d₂·l)式中，C_l表示锂电池在循环次数l时的最大电池容量，l表示锂电池循环次数，参数a₂和b₂是与内部阻抗有关的常数，参数c₂和d₂是和电池老化速率有关的常数，参数a₂,b₂,c₂和d₂的值通过曲线拟合的方式确定；使用多项式的经验模型和指数模型相结合的集成模型作为第三种模型，表达式如下：C_l＝a₃·exp(‑b₃·l)+c₃·l^2+d₃式中C_l表示锂电池在循环次数l时的最大电池容量，l表示锂电池循环次数，参数a₃,b₃,c₃和d₃曲线拟合的方式确定,参数a₃和b₃是与内部阻抗有关的常数，参数c₃和d₃是和电池老化速率有关的常数；然后使用前三组电池的数据分别对三个单一模型进行参数拟合，分别得到前三组的电池对应各个单一模型的参数，假设得到的拟合参数值均可信，基于不同组数据得到的参数值的初始基本置信分配由如下公式确定：其中a_1,v,a_2,v,a_3,v,b_1,v,b_2,v,b_3,v,c_1,v,c_2,v,c_3,v,d_2,v,d_3,v为各模型参数，参数a_1,v，a_2,v，a_3,v和b_1,v，b_2,v，b_3,v是与内部阻抗有关的常数，参数c_1,v，c_2,v，c_3,v和d_2,v，d_3,v是和电池老化速率有关的常数,h为电池样本数，v表示第v个模型，由此得出第四个电池对应各个模型参数的初始值M表示各个单一模型参数的置信度；(4)为了实现交互多模型IMM对输入量的交互作用，将三个模型的状态量均设为电池容量C_l，建立相应的状态方程和观测方程；第一个模型对应的状态方程：x_k＝x_k‑1+a₁·(2·k‑1)+b₁+W_1,k‑1,观测方程：Z_k＝x_k+V_1,k,第二个模型对应的状态方程；x_k＝x_k‑1+a₂·exp(b₂·k)[1‑exp(‑b₂)]+c₂·exp(d₂·k)[1‑exp(‑d₂)]+W_2,k‑1,观测方程：Z_k＝x_k+V_2,k,第三个模型状态方程：x_k＝x_k‑1+a₃·exp(b₃·k)[1‑exp(‑b₃)]+c₃·(2·k‑1)+W_3,k‑1,观测方程：Z_k＝x_k+V_3,k,其中x_k表示在循环周期为k时的电池可用最大容量预测值即状态向量，Z_k表示循环周期为k时的最大容量测量值即测量向量，表示均值为0和标准差为σ的高斯噪声,a₁,b₁,c₁,a₂,b₂,c₂,d₂,a₃,b₃,c₃,d₃的初始值由X_M1，X_M2，X_M3给出；(5)各个单一模型分别使用无迹粒子滤波算法来预测第四个电池的剩余寿命；(6)利用交互式多模型对第四个电池的数据进行无迹粒子滤波和参数更新，三个模型在每个周期的状态量和协方差在IMM中实现输入和输出交互，使用IMMUPF算法实现对电池剩余寿命的预测。