[发明专利]基于相空间重构和粒子滤波的锂电池剩余寿命预测方法

权利要求书

1.基于相空间重构和粒子滤波的锂电池剩余寿命预测方法，其特征在于：

步骤一：选取电池容量和等时间间隔放电电压差作为两个健康因子，选定T时刻为预测起始点，即T时刻之前的时间序列为训练集，

步骤二：为了加强等时间间隔放电电压差与电池容量之间的线性关系，对之进行BOX-COX变换，

步骤三：在训练支持向量机SVR模型时，利用相空间重构PSR分别得出两种健康因子时间序列的时延和嵌入维数，进行多变量相空间重构，由此定义训练SVR的输入与输出，

步骤四：选用双指数退化模型Z_k＝a_kexp(b_k·k)+c_kexp(d_k·k)作为粒子滤波测量方程，其中状态x_k＝[a_k，b_k，c_k，d_k]，系统的状态方程为x_k+1＝x_k+v_k，其中v_k为过程噪声，在训练集用粒子滤波PF进行滤波过程，得到系统最新状态x_T-1，等到SVR的预测值计算完成，用该预测值对系统状态进行更新，最后通过粒子滤波测量方程得到电池容量的最终预测值，如果预测的容量达到了失效阈值，则剩余使用寿命RUL为时刻k到失效阈值点之间的时间。

2.根据权利要求1所述的基于相空间重构和粒子滤波的锂电池剩余寿命预测方法,其特征在于：

选用的锂电池容量数据为:NASA数据集，

选用NASA数据集中的B0005，B0006和B0007三组作为实验数据集，对于不同的数据集，选用不同的起始预测点，起始预测点之前的数据作为训练集，训练出回归模型对未来的电池容量进行预测。

3.根据权利要求1所述的基于相空间重构和粒子滤波的锂电池剩余寿命预测方法,其特征在于：

步骤四中：粒子滤波PF算法的具体流程为：

(1)设置粒子数为N，粒子集初始化，k＝0，

(2)采样，在k＝0时，从先验概率分布p(X₀)随机抽取初始化粒子样本状态集合设定粒子初始权重为

(3)在k时刻，从建议分布函数采样,并设置其中，i表示第i个粒子；

(4)权值更新，计算每个粒子重要性权值：

其中，为k时刻粒子对应的权值，Y_1：k为1到k时刻的观测值，

(5)归一化处理权重：

(6)重采样，评估有效粒子数，如果N_eff＞N_threshold，则不需要重采样，有：

否则进行重采样，得到新粒子集及相应重要性权值：

(7)状态评估，通过粒子滤波算法的输出进行后验概率计算，

(8)判断是否到达失效阈值，否则令k＝k+1，重复步骤(3)-(7)。

4.根据权利要求1所述的基于相空间重构和粒子滤波的锂电池剩余寿命预测方法,其特征在于：

步骤三中，用C-C方法求出降噪后两个健康指标的时延和嵌入维数，进行多变量相空间重构，由此定义训练SVR时的输入与输出，其中，选用的SVR核函数为径向基核函数，其具体表达式为：