基于KECA-NARX的RUL时间序列预测模型

摘要：

针对锂离子电池剩余使用寿命(RUL)预测中信息利用不完善的问题,提出基于核熵成分分析(KECA)的非线性自回归(NARX)神经网络的RUL时间序列预测模型算法.采用灰色关联分析方法确定预测模型的输入变量;再重构确定的输入变量,恢复系统多维非线性状态空间;最后通过混沌优化算法,使KECA的核参数达到全局最优,利用KECA对重构后的相空间时间序列进行特征提取,并将特征向量作为NARX神经网络的输入,得到预测的RUL.KECA-NARX模型的预测精度比Elman模型提高了近6％,表明提出的KECA-NARX模型具有较优的非线性动态预测能力、较高的精确度及泛化能力.

关键词：锂离子电池;核熵成分分析(KECA);时间序列;非线性自回归(NARX);Renyi熵;预测;剩余使用寿命(RUL)

所属期刊栏目：51

分类号：TM912.9

资助基金：国家自然科学基金;江西省科技厅科技项目;江西省科技厅科技项目;江西省科技厅科技项目;江西省教育厅科学技术研究项目;江西省教育厅科学技术研究项目;江西省教育厅教育规划项目

在线出版日期：2022-01-12（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：582-586