基于变分模态分解与集成深度模型的锂电池剩余寿命预测方法
锂电池剩余寿命(RUL)预测对于锂电池安全使用至关重要.由于锂电池使用过程中存在容量再生现象和随机干扰等因素,导致单一尺度信号下单一模型的预测精度及泛化性能较差.针对上述问题,提出一种新的基于变分模态分解(VMD)与集成深度模型的锂电池剩余寿命预测方法.首先,采用变分模态分解将锂电池容量数据进行多尺度分解,得到信号的全局退化趋势和局部随机波动分量;然后,分别采用多层感知机(MLP)和长短期记忆神经网络(LSTM)对全局退化趋势和各波动分量进行建模;最后,将各个分量子模型的预测结果进行集成,获得最终的锂电池剩余寿命预测结果.实验结果表明,该方法具有较高的预测精度与稳定性.
锂电池剩余寿命预测、变分模态分解、长短期记忆神经网络、多层感知机、集成深度模型
42
TH165;TP206+.3
国家自然科学基金51505277
2021-07-28(万方平台首次上网日期,不代表论文的发表时间)
共10页
111-120