基于IBOA-PF的锂电池健康状态预测

摘要：

应用传统的粒子滤波(PF)算法估计锂电池健康状态(SOH)时,会出现粒子权值退化和样本贫化而导致预测精度较低的问题.为了解决该问题,本工作提出了基于改进蝴蝶优化算法和粒子滤波(IBOA-PF)的联合算法,在基本蝴蝶优化算法(BOA)的基础上,用混沌数替代固定的切换概率,并引入共生生物搜索的互生阶段,弥补了蝴蝶算法易陷入局部最优和开发能力差的局限性,提高了BOA的收敛速度,再用蝴蝶表示粒子,用蝴蝶向食物移动的过程表示粒子变化为更符合真实后验分布的新采样值.然后基于双指数经验模型和时间指标(TI)构建了非线性系统的状态空间模型,用单纯形法改进高斯牛顿法进行参数拟合,提出了一种基于IBOA-PF的锂电池SOH估计方法.仿真实验结果表明,该方法优于传统PF方法,具有较高的精确度和较好的适应性.

关键词：电池健康状态、粒子滤波、改进蝴蝶优化算法、改进高斯牛顿法

所属期刊栏目：10

分类号：TM912

资助基金：山东省自然科学基金项目;山东省科技发展计划项目;山东省重点研发计划项目

在线出版日期：2021-03-11（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：705-713