声明
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。
国内刊号：21-1124/TP
国际刊号：1001-0920
发布日期:
作者：田慧欣,秦鹏亮,李坤,王红一
单位：天津工业大学电气工程与自动化学院，天津300387;天津工业大学电工电能新技术天津重点实验室，天津300387,,天津工业大学电气工程与自动化学院，天津300387;天津工业大学电工电能新技术天津重点实验室，天津300387,,天津工业大学经济与管理学院，天津300387,,天津工业大学电气工程与自动化学院，天津300387;天津工业大学电工电能新技术天津重点实验室，天津300387,
关键词：锂离子动力电池;SOH;增量学习;HI-DD;概念漂移;AdaBoost.RT
基金：国家自然科学基金项目(71602143,51806150,62073067)；天津科技特派员项目(18JCTPJC62600)；天津市自然科学基金项目(18JCYBJC22000,18JCQNJC04400)；天津市高等学校创新团队培养计划项目(TD13-5038).
锂离子电池是一个复杂的电化学动态系统,实时准确的健康状态(SOH)估计对电动汽车动力锂电池的维护至关重要,传统建模方法难以实现SOH的在线估算.基于此,从实时评估电池的SOH出发,在增量学习的基础上,选取与电池健康状态相关的指标建立SOH预测模型.考虑到增量学习中的耗时性问题,提出融合滑动窗口技术的HI-DD算法,该算法可以检测概念漂移是否发生,从而指导和确定模型更新位置;设计出HI-DD与AdaBoost. RT结合的模型更新策略,进而提高模型的在线学习性能和预测精度,最后使用CALCE提供的电池老化实验数据对所提出的方法进行验证.结果表明,基于增量学习的HI-DD-AdaBoost.RT预测算法具有较强的在线更新能力和较高的预测精度,能够满足SOH 在线预测的实际需求.
来源：2021年第3期
《控制与决策》期刊编辑部
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。