基于IMM-UPF的锂电池寿命估计

• 作者: 何耀 刘新天 张恒 曾国建 郑昕昕
• 来源期刊: 湖南大学学报（自然科学版）
• 关键词: 锂电池 健康状态 经验模型 交互式多模型 无迹粒子滤波
• 年，卷（期）: 2020,（2）
• 所属期刊栏目: 电气与信息工程
• 页码范围: 102-109
• 页数: 8页
• 分类号: TM912
• 语种: 中文
• DOI: 10.16339/j.cnki.hdxbzkb.2020.02.014

摘要

提出了一种基于交互式多模型(Interacting Multiple Model,IMM)和无迹粒子滤波算法(Unscented Particle Filter,UPF)的锂电池健康状态(State of Health,SOH)估计方法,针对目前SOH估计方法需求样本量大、不适用于全寿命周期结果跟踪等问题,建立了基于多项式模型、双指数模型和集成模型的IMM,通过UPF解决了重采样过程中粒子贫化的问题,根据滤波的结果对锂电池的SOH进行预测,实现了锂电池全寿命周期内的SOH精确估计.讨论了IMM的选型依据和建模方法,给出了详细的SOH估计算法,并通过仿真和实验对不同模型进行对比.仿真和实验结果表明,所提出的基于IMM-UPF的锂电池SOH估计结果的概率密度函数标准偏差仅为19,实现了高估计精度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张恒	合肥工业大学汽车工程技术研究院	13	39	4.0	6.0
2	刘新天	合肥工业大学汽车工程技术研究院	31	156	7.0	10.0
3	何耀	合肥工业大学汽车工程技术研究院	29	143	7.0	10.0
4	郑昕昕	合肥工业大学汽车工程技术研究院	27	124	6.0	9.0
5	曾国建	合肥工业大学汽车工程技术研究院	21	107	6.0	9.0