基于局部信息融合及支持向量回归集成的锂电池健康状态预测

• 作者: 候建明 宋广磊 王鑫 薛宇 邵海涛 陈建新
• 来源期刊: 南京理工大学学报（自然科学版）
• 学科: 工学
• 关键词: 锂电池 健康状态 支持向量回归 集成学习 信息融合
• 年，卷（期）: 2018,（1）
• 页码范围: 48-55
• 页数: 8页
• 分类号: TP391
• 字数: 5635字
• 语种: 中文
• DOI: 10.14177/j.cnki.32-1397n.2018.42.01.007

摘要

为了提高锂电池健康状态(State of health,SOH)的预测准确率,该文将支持向量回归(Support vector regression,SVR)算法与集成学习理论相结合,提出一种基于局部信息融合的支持向量回归集成(Local information fusion with ensemble support vector regression,LIF-ESVR)算法.该算法的核心思想是利用数据的局部信息融合替代原有全局信息,并将信息层融合问题转化为决策层融合问题.首先将原始的训练集划分为若干个子训练集,每个子训练集都包含了原始训练集中的部分重要信息;然后,在每个子训练集上训练一个对应的SVR模型;最后,利用集成学习算法将已训练好的多个SVR模型进行融合.在美国国家航空航天局蓄电池数据上的实验结果表明,所提方法的性能优于现有的锂电池SOH预测方法,具有广泛的应用价值.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈建新		9	13	2.0	3.0
2	宋广磊		4	10	2.0	3.0
3	王鑫		9	23	3.0	4.0
4	邵海涛		2	8	1.0	2.0
5	候建明		1	8	1.0	1.0
6	薛宇		1	8	1.0	1.0