镉镍蓄电池寿命预测的PF-LSTM建模方法研究

• 作者: 于天剑 成庶 毕福亮 王国良 王家捷 甘沁洁 赵明
• 来源期刊: 铁道科学与工程学报
• 学科: 工学
• 关键词: 蓄电池 剩余寿命 在线预测 长短期记忆网络 粒子滤波
• 年，卷（期）: 2020,（7）
• 所属期刊栏目: 机车车辆与设备
• 页码范围: 1825-1832
• 页数: 8页
• 分类号: TM912
• 字数: 5191字
• 语种: 中文
• DOI: 10.19713/j.cnki.43-1423/u.T20190960

摘要

对动车组用蓄电池进行寿命预测,能够评估电池状态,降低故障的危害性和运用维护成本,指导修订修程.相较于在线预测模型,离线预测模型无法适应影响因素的不断变化,提出一种基于粒子滤波(PF)与长短期记忆网络(LSTM)融合的在线预测方法.传统的PF方法依赖经验方程作为状态转移方程,而精确的经验方程难以得到,利用已有数据训练LSTM模型,模型得到的退化方程作为PF的状态转移方程,解决了PF依赖经验方程的问题,同时PF能给出不确定性表达.研究结果表明,该方法模型更新简单有效,预测精度好,弥补了镉镍蓄电池寿命模型研究的缺失,对蓄电池剩余寿命研究的发展有着重要意义.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	成庶	中南大学交通运输工程学院	32	139	6.0	11.0
2	于天剑	中南大学交通运输工程学院	10	27	2.0	5.0
3	赵明		2	0	0.0	0.0
4	王家捷		3	0	0.0	0.0
5	甘沁洁	中南大学交通运输工程学院	1	0	0.0	0.0
6	毕福亮		3	1	1.0	1.0
7	王国良		1	0	0.0	0.0