基于主成分分析与ILM-DGRBF网络的SOH估算

来源：电子测量技术杂志2023年第17期北京时间：

作者：李亚飞，王泰华，张润雨，张家乐

单位：河南理工大学电气工程与自动化学院 焦作 454003

摘要：针对锂离子电池健康状态(SOH)估算精度低的问题，提出一种基于主成分分析(PCA)与改进LM算法双高斯核RBF(ILMDGRBF)神经网络的方法，实现了SOH的准确估算。首先，提取与锂离子电池容量衰退高度相关的健康因子(HI)，采用PCA方法进行降维处理，减少HI之间冗余度。其次，创建双高斯核RBF神经网络，利用改进LM算法实现网络参数在线学习，建立ILMDGRBF神经网络。再次，利用数据增强的电池测试数据训练ILMDGRBF实现SOH估算。验证表明，经PCA降维得到的主成分1能够有效地反应锂离子电池的老化趋势，可用于SOH的估算；与其他模型相比，所建ILMDGRBF模型具有更高的估算精度和更好的鲁棒性，估算结果的误差控制在15%以内。最后，基于该方法构建一种新的SOH智能估算系统，为电池安全管理提供参考依据。

关键词：锂离子电池;健康状态;主成分分析;RBF神经网络;高斯核函数;LM算法

基金资助：国家自然科学基金(51974326)项目资助