TY -的A2 -李,栓AU -杨,Wen-An AU -肖,Maohua盟——周,魏盟——郭,Yu盟——廖Wenhe PY - 2016 DA - 2016/04/11 TI -混合剩余使用寿命的预测方法预测锂离子电池SP - 3838765六世- 2016 AB -锂离子电池是一个核心组件的系统,如卫星、航天器,电动汽车及其故障可能导致性能下降、停机，甚至灾难性故障。在未来发生故障事件之前预测锂离子电池的剩余使用寿命(RUL)对于主动维护/安全措施至关重要。本研究提出了一种混合预测方法，可以同时使用物理定律和数据驱动建模来预测退化锂离子电池的RUL。在这种混合预测方法中，使用基于选择性核集成的相关向量机(RVM)学习算法获得的相关向量拟合到物理退化模型，然后将物理退化模型外推到故障阈值，以估计感兴趣的锂离子电池的RUL。实验结果表明，所提出的混合预估方法能够准确预测锂离子电池降解后的放电极限。实验结果表明，所提出的基于选择性核集成的RVM学习算法的混合预测方法比传统的BP算法和支持向量机等前馈人工神经网络学习算法的混合预测方法具有更好的预测效果机(svm)。此外，还进行了一项研究，以确定RVM学习算法对所提出的混合预后方法的影响。SN - 1070-9622 UR - https://doi.org/10.1155/2016/3838765 DO - 10.1155/2016/3838765 JF - Shock and Vibration PB - Hindawi Publishing Corporation KW - ER -