您的位置: 专家智库 > >

哈尔滨工业大学科研创新基金(HITNSRIF2014017)

作品数:2 被引量:68H指数:2
相关作者:刘大同彭宇赵天意彭喜元马云彤更多>>
相关机构:哈尔滨工业大学更多>>
发文基金:哈尔滨工业大学科研创新基金国家自然科学基金国家教育部博士点基金更多>>
相关领域:自动化与计算机技术机械工程电气工程更多>>

文献类型

  • 2篇中文期刊文章

领域

  • 1篇机械工程
  • 1篇电气工程
  • 1篇自动化与计算...

主题

  • 2篇电池
  • 2篇锂离子
  • 2篇离子
  • 1篇电池SOC
  • 1篇支持向量
  • 1篇支持向量机
  • 1篇融合型
  • 1篇剩余寿命
  • 1篇剩余寿命预测
  • 1篇最小二乘
  • 1篇最小二乘支持...
  • 1篇锂离子电池
  • 1篇向量机
  • 1篇离子电池
  • 1篇估计方法
  • 1篇荷电状态
  • 1篇荷电状态估计

机构

  • 2篇哈尔滨工业大...

作者

  • 2篇彭宇
  • 2篇刘大同
  • 1篇彭喜元
  • 1篇马云彤
  • 1篇赵天意

传媒

  • 1篇仪器仪表学报
  • 1篇中国科技论文

年份

  • 1篇2016
  • 1篇2014
2 条 记 录,以下是 1-2
排序方式:
锂离子电池剩余寿命间接预测方法被引量:29
2014年
针对锂离子电池在线剩余寿命预测时容量难以直接测量以及预测表达的不确定性等问题,提出一种利用锂离子电池充放电监测参数构建剩余寿命预测健康因子的方法框架,实现了锂电池健康状态的表征,同时利用高斯过程回归(Gaussian process regression,GPR)方法给出剩余寿命预测的不确定性区间,从而构建了锂离子电池在线剩余寿命预测的方法体系。基于NASA锂离子电池数据集和卫星锂离子试验数据的剩余寿命预测验证和评估实验,表明本文提出的方法框架可以很好地支撑电池在线剩余寿命预测的应用,具备较好的电池剩余寿命预测精度和不确定性管理能力。
庞景月马云彤刘大同彭宇
关键词:锂离子电池剩余寿命预测
改进卡尔曼滤波的融合型锂离子电池SOC估计方法被引量:39
2016年
荷电状态(SOC)估计对于锂离子电池充放电优化控制、任务规划、可靠性提升等均具有重要价值,针对广泛应用的卡尔曼滤波(KF)一类方法存在的参数设置无具体标准、模型性能随工况环境改变而适应性降低等问题,提出一种噪声方差可变卡尔曼滤波方法(VVKF)的SOC估计算法,该算法每次迭代时估计并设定最适应当前系统状态的的噪声方差,克服了KF噪声方差初值依靠人为经验设定而造成精度下降的问题,同时采用最小二乘支持向量机作为KF的量测方程,通过建立样本库的方式克服电池型号以及工况改变对SOC估计精度的影响。采用马里兰大学CACLE中心锂离子电池数据集的实验证明了VVKF较KF性能的提升以及SOC估计的有效性。
赵天意彭喜元彭宇刘大同
关键词:荷电状态估计最小二乘支持向量机
共1页<1>
聚类工具0