一种汽车电池的寿命预测方法

本发明涉及新能源车辆，更具体的是，本发明涉及一种汽车电池的寿命预测方法。

背景技术：

1、在新能源电动车辆的使用过程中，电池的退化是不可避免的，而且电池的性能退化是引发新能源电动车辆的行驶安全问题的最重要因素，电池的性能是随着使用时间的增加而不断下降的，在电池退化后期继续使用甚至可能存在安全性上的隐患和风险，所以需要在电池性能退化到寿命终点之前就及时更换，以确保整个电池系统的安全和稳定，因此，电池的剩余寿命预测是现在研发的重中之重。

2、现有电池寿命预测的方法包括基于模型的方法、基于数据驱动的方法或基于融合模型的方法，但是一般的方法计算量过大，过于复杂，而有一些方法即便降低了计算量，但是精确度不高，预测结果不够准确，并且大多方法均会减少电池的剩余容量，造成资源浪费。

技术实现思路

1、本发明的目的是设计开发了一种汽车电池的寿命预测方法，通过比较多个电池状态参数的属性重要度，提高了数据的精确度，结合变异粒子群优化算法和svm模型，提高了预测的精确度。

2、本发明提供的技术方案为：

3、一种汽车电池的寿命预测方法，包括如下步骤：

4、步骤一、按照采样周期，采集当前时刻的多个电池状态参数；

5、其中，所述多个电池状态参数包括锂离子电池容量、荷电状态、放电电压和充电电压；

6、步骤二、计算所述多个电池状态参数的属性重要度，获得属性重要度最大的电池状态参数；

7、步骤三、将所述属性重要度最大的电池状态参数输入变异粒子群优化算法模型中，获得全局最优粒子；

8、步骤四、将所述全局最优粒子输入至svm模型中，获得汽车电池的寿命预测值；

9、其中，所述svm模型的最优回归函数为：

10、

11、式中，为核函数，为拉格朗日因子为位移项。

12、优选的是，所述步骤二具体包括：

13、步骤1、将所述多个电池状态参数进行离散化处理；

14、步骤2、分别计算每个条件属性对决策属性直接影响的属性重要度；

15、步骤3、分别计算每个条件属性对决策属性间接影响的属性重要度；

16、步骤4、根据每个条件属性对决策属性直接影响的属性重要度和每个条件属性对决策属性间接影响的属性重要度获得每个条件属性最终的属性重要度：

17、；

18、式中，为条件属性最终的属性重要度，为条件属性对决策属性直接影响的属性重要度，为条件属性对决策属性间接影响的属性重要度，为条件属性，，

19、步骤5、获取最终的属性重要度最大的电池状态参数。

20、优选的是，所述步骤2具体为：

21、；

22、式中，为决策属性对条件属性的依赖程度，为决策属性对除条件属性的其他条件属性的依赖程度。

23、优选的是，所述步骤3具体为：

24、；

25、式中，为条件属性对决策属性间接影响的属性重要度，为条件属性的数量。

26、优选的是，所述步骤三还包括：

27、对所述属性重要度最大的电池状态参数进行归一化处理：

28、；

29、式中，为归一化处理后的数据，为属性重要度最大的电池状态参数，为属性重要度最大的电池状态参数的最小值，为属性重要度最大的电池状态参数的最大值。

30、优选的是，所述变异粒子群优化算法模型包括：

31、步骤ⅰ、初始化粒子群及其参数；

32、步骤ⅱ、计算每个粒子的适应度值，并根据每个粒子的适应度值更新个体最优位置和全局最优位置；

33、步骤ⅲ、对粒子的速度和位置进行更新，获得新的群体；

34、步骤ⅳ、当粒子的速度低于速度阈值时，给予粒子一个加速度，使得粒子速度满足：

35、；

36、式中，为加速后的粒子速度，为变异系数，为（0,1）间的随机数，为速度最大值；

37、步骤ⅴ、当达到最大迭代次数时，输出全局最优粒子。

38、优选的是，所述变异系数为：

39、。

40、优选的是，所述步骤ⅲ具体为：

41、；

42、式中，为粒子在第次的搜索中第维的速度，为粒子在第次的搜索中第维的位置，为粒子在第次搜索后的最佳位置，为种群在第次搜索后的全局最佳位置，为惯性权重，为粒子在第次搜索后第维的速度，为第一学习因子，为（0,1）间的随机数，为（0,1）间的随机数，为粒子在第次搜索后第维的位置，为第二学习因子。

43、优选的是，所述惯性权重满足：

44、；

45、式中，为最大惯性权重，为最小惯性权重，为当前迭代次数，为最大迭代次数。

46、优选的是，所述核函数满足：

47、；

48、式中，为训练样本输入值，为训练样本输入值，为径向基核宽度。

49、本发明所述的有益效果：

50、本发明设计开发的一种汽车电池的寿命预测方法，能够提高预测精确度，不仅降低了均方误差，而且误差分布较为集中，不仅保证了算法的有效性，而且收敛速度也很好，预测结果更准确，适应性更强。

51、

技术特征：

1.一种汽车电池的寿命预测方法，其特征在于，包括如下步骤：

2.如权利要求1所述的汽车电池的寿命预测方法，其特征在于，所述步骤二具体包括：

3.如权利要求2所述的汽车电池的寿命预测方法，其特征在于，所述步骤2具体为：

4.如权利要求3所述的汽车电池的寿命预测方法，其特征在于，所述步骤3具体为：

5.权利要求4所述的汽车电池的寿命预测方法，其特征在于，所述步骤三还包括：

6.如权利要求5所述的汽车电池的寿命预测方法，其特征在于，所述变异粒子群优化算法模型包括：

7.如权利要求6所述的汽车电池的寿命预测方法，其特征在于，所述变异系数为：

8.如权利要求7所述的汽车电池的寿命预测方法，其特征在于，所述步骤ⅲ具体为：

9.如权利要求8所述的汽车电池的寿命预测方法，其特征在于，所述惯性权重满足：

10.如权利要求9所述的汽车电池的寿命预测方法，其特征在于，所述核函数满足：

技术总结本发明公开了一种汽车电池的寿命预测方法，本发明涉及新能源车辆技术领域，包括如下步骤：步骤一、按照采样周期，采集当前时刻的多个电池状态参数；其中，所述多个电池状态参数包括锂离子电池容量、荷电状态、放电电压和充电电压；步骤二、计算所述多个电池状态参数的属性重要度，获得属性重要度最大的电池状态参数；步骤三、将所述属性重要度最大的电池状态参数输入变异粒子群优化算法模型中，获得全局最优粒子；步骤四、将所述全局最优粒子输入至SVM模型中，获得汽车电池的寿命预测值。本发明具有提高预测精确度的特点。技术研发人员：崔宁受保护的技术使用者：长春职业技术学院技术研发日：技术公布日：2024/9/2