论文部分内容阅读
车用锂离子电池的健康状态（state of health，SOH）和剩余寿命（remaining useful life，RUL）是锂离子电池的关键状态参数，为实现其准确的预估以保障整车安全可靠的运行，基于电动汽车充电过程提出一种改进高斯过程回归（gaussian process regression，GPR）的锂电池SOH估计和RUL预测模型。首先以最大互信息系数（maximal information coefficient，MIC）、Pearson系数筛选充电过程的多元信息作为健康因子，基于主成分分析（principal components analysis，PCA）简化模型结构并使用粒子群算法和组合核函数改进高斯过程回归，实现车用锂离子电池SOH的准确在线估计以及RUL预测。通过NASA锂离子电池数据集验证了模型的有效性：测试电池SOH估计的最大均方根误差（root mean square error，RMSE）为0.0148，SOH预测的最大RMSE为0.0169，RUL预测的最大绝对误差为1个循环次数。