基于序列贝叶斯更新的锂电池剩余寿命预测

来源：计算机集成制造系统杂志2024年第2期北京时间：

作者：赵斐, 郭明, 刘学娟

单位：1.东北大学秦皇岛分校2.东北大学工商管理学院3.北京科技大学经济与管理学院

摘要：针对贝叶斯方法在更新模型参数时无法充分利用历史退化数据的问题,提出基于序列贝叶斯的在线更新方法实时估计锂电池退化模型参数。构建基于指数函数的非线性维纳退化模型描述变工况下锂电池容量的退化路径,并采用最大似然估计法估计初始时刻的模型参数;利用实时容量监测数据,基于序列贝叶斯更新方法在线更新退化模型中的漂移系数;推导锂电池剩余寿命的概率密度函数并预测剩余寿命。通过对不同工况下的锂电池退化数据进行实例验证表明,与基于幂指数和线性函数的退化模型相比,由于序列贝叶斯方法能够实时更新锂电池非线性退化模型参数,采用所提模型预测的剩余寿命精度更高。

关键词：维纳过程,最大似然估计,序列贝叶斯更新,剩余寿命,非线性退化

基金资助：国家自然科学基金资助项目(72271049,71701038);河北省自然科学基金资助项目(F2023501011,G2019501074);河北省教育厅科学研究资助项目(BJS2022032);河北省“三三三人才工程”资助项目(C20221013);中央高校基本科研业务专项资金资助项目(N2323009)。