[发明专利]一种基于模型学习的新能源车载电池剩余寿命估计方法

权利要求书

1.一种基于模型学习的新能源车载电池剩余寿命估计方法，其特征在于：包括如下步骤，

S1、选择能够反映车载电池剩余使用寿命的容量这一变量并收集电池容量随充放电次数变化的数据；

S2、对收集好的数据进行处理，使之能够满足高斯过程回归算法输入-输出的学习关系，对处理后的数据采用窗口机制的方式，将采集的电池容量数据按照下面的方式来组成输入向量X，其中X是包含3个元素的列向量，x(t)是电池容量周期内某t时刻的电池容量，当前t时刻的输入向量X_t＝[x(t-3)，x(t-2)，x(t-1)]，当前t时刻输出量Y_t＝x(t)，依次类推，组成一系列的输入输出数据X＝[X₁，X₂，...，X_n]，Y＝[Y₁，Y₂，...，Y_n]，由于x(t)是某一时刻的变量，随着t而变化，x(t)称之为滑动的窗口；其中，相邻两个窗口所包含的数据有交集并且当前的预测值作为下一步窗口数据并作为新的输入，以此类推直至高斯过程回归算法覆盖整个处理好后的待训练数据；

S3、应用高斯过程回归算法学习处理好的数据求解超参数获得学习模型；

S4、把均方根无迹卡尔曼滤波算法应用到学习的模型中并通过该算法的时间更新和测量更新阶段来估计车载电池实时的容量变化寿命。

2.如权利要求1所述的新能源车载电池剩余寿命估计方法，其特征在于：所述步骤S1中，针对容量这一变量收集的数据是直接反映电池容量变化的物理量。

3.如权利要求1所述的新能源车载电池剩余寿命估计方法，其特征在于：所述步骤S2中对数据的处理是：满足容量一充放电次数的关系以及后续的输入输出学习关系的要求。

4.如权利要求1所述的新能源车载电池剩余寿命估计方法，其特征在于：所述步骤S3中对高斯过程回归算法中的核函数采用如下径向基函数的形式：

其中x_i，x_j代表状态量，反映了预测状态的不确定性，L是一个对角矩阵，其对角线上的元素是：d是状态向量的维度，δ_ij是Dirac函数，是一个反映噪声项，n是训练数据个数。

5.如权利要求1所述的新能源车载电池剩余寿命估计方法，其特征在于：超参数的设置可遵循经验原则，对超参数的求解利用最大化边缘对数似然的方法对

的优化转化为对式中对数项求解极值

其中超参数向量为X和Y代表输入-输出向量，U是控制向量，I是单位矩阵，n是训练数据个数，K(X，X)是n×n的矩阵，其元素为k(x_i，x_j)，反映了预测状态的不确定性，是一个反映噪声项。

6.如权利要求5所述的新能源车载电池剩余寿命估计方法，其特征在于：

求解极值的问题，采用共轭梯度的方法解决，每一个元素对超参数求导可得：

对于θ的步长可有线性搜索算法求得，按照θ_k+1＝θ_k+α_kd_k得出，其中α_k是第k步的步长，d_k是第k步的方向，α_k满足强Wolfe条件即可求得。