[发明专利]一种自适应GRNN的电动汽车锂离子电池健康状态的估算方法

权利要求书

1.一种自适应GRNN的电动汽车锂离子电池健康状态的估算方法，其特征在于，包括以下步骤：

步骤1，基于电池参数自适应预处理算法处理电池数据，并构建数据集：计算电池参数，根据变异系数选择利用改进粒子滤波算法PF处理或选择最小二乘法、均值替换法处理参数，并将处理后的数据划分为训练数据集和测试数据集，在此基础上构建矢量集；

步骤2，利用量子遗传算法QGA优化广义神经网络GRNN中的平滑因子:基于经验设置QGA的迭代次数、种群数和染色体长度，构建QGA中用于选择操作的适度函数，迭代得到最优平滑因子；

步骤3，基于最优平滑因子和相关系数构建GRNN以估算电动汽车锂离子电池健康状态:计算训练矢量参数与容量的相关系数，利用步骤2估算的平滑因子与相关系数构建GRNN模式层的传递函数，以优化后的GRNN估算电动汽车锂离子电池健康状态。

2.根据权利要求1所述的自适应GRNN的电动汽车锂离子电池健康状态的估算方法，其特征在于，所述步骤1中基于电池参数自适应预处理算法处理电池数据，并构建数据集，包括以下步骤：

步骤1.1，计算所有循环的恒流充电时间序列T、恒压放电时间序列D、放电电压骤降值序列V，提取容量计算电池健康状态SOH序列S；

步骤1.2，计算参数序列的变异系数，以恒流充电时间序列T为例，若变异系数则执行步骤1.3，否则执行步骤1.4，其中SD_T为T的标准差，M_T为T的均值，N_SD为变异系数阈值；

步骤1.3，基于改进粒子滤波算法处理参数，假如恒流充电时间序列为T＝{t₁,t₂,…,t_N}，N为最大序列数；估计第k+1时刻值，具体步骤如下:

步骤1.3.1，对k时刻的粒子样本重要性采样，得到k+1时刻的粒子样本

步骤1.3.2，检测第k+1时刻值t_k+1的有效性，若t_k+1＝NULL或则进一步判断相邻值是否存在缺失或异常值，若相邻值存在缺失或异常值则更新t_k+1＝LT(s_k+1)，LT(s_i)为最小二乘法拟合的T与S的曲线方程，否则采用均值替换法更新

步骤1.3.3，更新每个粒子的权值并进行归一化处理得到

步骤1.3.4，根据粒子权值重采样粒子,将粒子样本映射为等权例子样本；

步骤1.3.5，状态估计

步骤1.4：检测序列值是否存在缺失或异常，若t_k＝NULL或则如步骤1.3.2方法更新t_k；

步骤1.5，利用步骤1.3或1.4处理后的参数构建样本矢量，从样本空间中随机选择75％的数据作为训练样本，另外25％数据作为测试数据，在此基础上构建矢量集。