基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
有效的电池剩余使用寿命(RUL)预测方法能够极大地提高系统的可靠性。提出一种基于自回归集成滑动平均模型(ARIMA)和粒子滤波(PF)融合预测框架,该框架由ARIMA方法和PF方法构成,ARIMA 应用于短期预测,而粒子滤波应用于长期预测。首先在线对锂离子电池进行监测,然后根据短期预测或长期预测要求执行相应的算法,得出横纵坐标分别为周期和容量的 RUL 预测图。实验结果表明,该预测框架能够快速准确地预测锂离子电池 RUL。
推荐文章
基于IPSO-Elman的锂电池剩余寿命预测
锂电池
剩余寿命预测
IPSO-Elman
预测建模
高斯去噪
参数优化
基于WNN的锂电池循环寿命预测
小波神经网络
锂电池
循环寿命预测
基于长短期记忆网络的锂电池循环寿命预测
锂电池
长短期记忆
循环寿命
预测
管道剩余使用寿命的预测和评估
油气管道
剩余寿命
预测
评估
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于ARIMA和PF的锂电池剩余使用寿命预测方法
来源期刊 太赫兹科学与电子信息学报 学科 工学
关键词 ARIMA模型 粒子滤波 融合 预测
年,卷(期) 2013,(5) 所属期刊栏目 微电子、微系统与物理电子学
研究方向 页码范围 822-826
页数 5页 分类号 TN911.23|TP391
字数 2195字 语种 中文
DOI 10.11805/TKYDA201305.0822
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 陈则王 南京航空航天大学自动化学院 37 388 11.0 19.0
2 豆金昌 南京航空航天大学自动化学院 2 11 2.0 2.0
3 揭由翔 南京航空航天大学自动化学院 2 11 2.0 2.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (21)
共引文献  (8)
参考文献  (8)
节点文献
引证文献  (9)
同被引文献  (32)
二级引证文献  (14)
1982(1)
  • 参考文献(0)
  • 二级参考文献(1)
1993(1)
  • 参考文献(0)
  • 二级参考文献(1)
1996(1)
  • 参考文献(0)
  • 二级参考文献(1)
1998(1)
  • 参考文献(0)
  • 二级参考文献(1)
1999(1)
  • 参考文献(0)
  • 二级参考文献(1)
2000(3)
  • 参考文献(0)
  • 二级参考文献(3)
2001(1)
  • 参考文献(0)
  • 二级参考文献(1)
2002(2)
  • 参考文献(0)
  • 二级参考文献(2)
2003(3)
  • 参考文献(0)
  • 二级参考文献(3)
2004(2)
  • 参考文献(0)
  • 二级参考文献(2)
2005(1)
  • 参考文献(0)
  • 二级参考文献(1)
2006(4)
  • 参考文献(0)
  • 二级参考文献(4)
2008(2)
  • 参考文献(2)
  • 二级参考文献(0)
2009(4)
  • 参考文献(4)
  • 二级参考文献(0)
2010(2)
  • 参考文献(2)
  • 二级参考文献(0)
2013(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2017(4)
  • 引证文献(4)
  • 二级引证文献(0)
2018(2)
  • 引证文献(1)
  • 二级引证文献(1)
2019(10)
  • 引证文献(2)
  • 二级引证文献(8)
2020(7)
  • 引证文献(2)
  • 二级引证文献(5)
研究主题发展历程
节点文献
ARIMA模型
粒子滤波
融合
预测
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
太赫兹科学与电子信息学报
双月刊
2095-4980
51-1746/TN
大16开
四川绵阳919信箱532分箱
62-241
2003
chi
出版文献量(篇)
3051
总下载数(次)
7
总被引数(次)
11167
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导