10.16526/j.cnki.11-4762/tp.2018.12.017
基于改进神经网络算法的医疗锂电池PHM系统设计
针对医疗电子设备锂电池不确定性发生故障耽误病人救治的问题,提出了一套医疗电子设备锂电池故障预测与健康管理系统(Prognostics and Health Management-PHM);搭建了一套医疗电子设备锂电池数据测试与退化状态模拟的实验平台;为了反映医疗电子设备锂电池健康状态,将锂电池四个健康因子作为医疗电子设备锂电池退化状态的特征进行提取,并通过非线性自回归(Nonlinear Autogressive with Exogenous Inputs-NARX)神经网络,对四个健康因子的数据进行训练,训练后用于容量估计,得出等间隔放电时间序列能够较好地表征锂电池健康状态;为了提高基本粒子滤波算法(Particle Filter-PF)的精度从而更精确地预测锂电池剩余寿命(Remaing Useful Life-RUL),通过人工免疫粒子滤波算法(Artificial Immune Particle Filter-AIPF)与经验模型对锂电池进行剩余寿命预测,并将PF预测的结果与AIPF预测的结果进行对比,F发现AIPF预测更加准确,说明AIPF有效抑制了PF重采样过程中粒子退化问题,验证了医疗电子设备锂电池故障预测与健康管理系统的可行性与可实施性.
医疗锂电池、故障预测与健康管理系统、非线性自回归神经网络、人工免疫粒子滤波算法、经验模型
26
TP206+.3(自动化技术及设备)
上海第二工业大学研究生项目基金EGD18YJ0003
2019-01-12(万方平台首次上网日期,不代表论文的发表时间)
共5页
72-76