[发明专利]基于灰色神经网络模型和自助方法的锂离子电池可靠性评估方法

说明书

本发明所提出的一种基于新陈代谢灰色神经网络模型和自助方法的锂离子电池可靠性评估方法，其预测精度较普通新陈代谢灰色模型和BP神经网络模型得到显著提高，组合模型能够充分利用BP神经网络模型的学习能力强、非线性映射能力好，以及灰色模型运算简单的特点，以及自助方法对样本数量要求低的特性，可以较好的拟合电池性能退化曲线，拥有较好的外推预测效果，最终得出在不同应力下贮存时电池的伪寿命，进而更高效更为低成本地完成可靠性评估，并使得最终的评估结果具有较强的客观性和全面性。

技术领域

本发明属于锂离子电池可靠性评估应用研究技术领域，特别涉及一种基于新陈代谢灰色神经网络模型和自助方法的锂离子电池可靠性评估方法。

背景技术

锂离子电池作为电动力驱动的水下兵器常用的一类能源供给设备，具有比能量高、体积小、寿命长、无记忆性、绿色环保等优点，被广泛应用于国防领域。在和平年代，这些装备服役后会长时间处于贮存和检修状态。长期的温度、湿度等环境应力的作用可能破坏其正常的内部结构和工作能力。装备的贮存可靠性将随着贮存时间的延长而降低，而其贮存期的高可靠性是武器装备到服役期正常使用的基础保障。随着现代战争对武器装备性能要求的不断提高，以及装备组成日趋复杂，可靠性问题日益突出。可靠性差的装备交付使用后，不仅会使保障费用巨额增加，大大增加全寿命周期成本，严重时还会带来人员伤亡等不可挽回的损失。因此，设计人员面临着由于对于设计制造成本昂贵的装备寿命评估太过保守而导致的不必要浪费以及对其寿命评估过于乐观导致的相关装备无法完成作战任务要求的两方面矛盾，故而相对准确地预测装备的贮存可靠性，对合理安排装备作战计划具有重要意义。

国内外研究人员对于锂离子电池可靠性的评估方法主要有以工作电流和工作温度为主要考虑因素的失效模型法，借助加速寿命试验和数理统计手段对其进行评估的方法以及根据正常电池数据建立模糊隶属函数处理不完整数据进而得到贮存可靠度的方法。上述方法经过实践检验都被证明都具有一定的有效性和实用性。

针对服务于水下兵器的锂离子电池贮存和使用的特殊性，失效模型法难以对可靠性指标做出准确评价，同时模糊隶属函数法需要的样本过多。借助加速寿命试验的方法使用较真实工况更为苛刻的环境应力参数，不仅能满足对锂离子电池可靠性评估结果准确程度的要求，同时又具有不需要大量样本的优势，适用于锂离子电池可靠性的评估。

发明内容

本发明解决的技术问题是：为了解决现有服务于水下兵器的锂离子电池可靠性评估中样本规模较小问题，本发明提供一种基于新陈代谢灰色神经网络模型和自助方法处理小样本应力加速寿命试验结果进行可靠性评估的方法。

本发明的技术方案是：基于新陈代谢灰色神经网络模型和自助方法的锂离子电池可靠性评估方法，包括以下步骤：

步骤1：对同一型号同一批次的锂离子电池进行随机抽样；

步骤2：对步骤1得到的样本进行活化处理；

步骤3：对步骤2活化处理后的样本进行加速贮存实验，同时对样本进行分组，每组中的电池数量大于等于2；

步骤4：对每个温度下贮存的电池每隔周期T进行一次容量测量和内阻测量，且期间不对电池进行测试和维护，得到随时间不断更新的数据，同时得到不同应力条件下电池容量和内阻随时间的变化曲线；

步骤5：根据步骤4得到的数据进行累加，生成新陈代谢的序列，包括以下子步骤：

步骤5.1：定义第k个电池在n个时间节点上的新陈代谢的容量值序列为：

C⁽⁰⁾(k)＝{c⁽⁰⁾(1),c⁽⁰⁾(2),…,c⁽⁰⁾(n)}_k

对C⁽⁰⁾(k)数据进行累加，得到新陈代谢的序列：