基于IPSO-LSTM的新能源汽车锂电池健康状态监测

为监测新能源汽车锂电池的健康状态(SOH),防范电池故障引发安全事故风险，提出改进粒子群算法(IPSO)和长短期记忆(LSTM)神经网络相结合的模型，监测锂电池的SOH。首先，采用Spearman相关性分析法，提取锂电池SOH监测的健康因子；其次，采用线性惯性权重和非对称学习因子改进传统粒子群算法(PSO),利用IPSO算法对LSTM模型的隐含层神经元个数、神经元失活率、批处理值进行关键参数寻优，进一步优化LSTM模型，建立IPSO-LSTM锂电池SOH监测模型；最后，以新能源汽车主流采用的18650锂电池数据集验证IPSO-LSTM模型，并对比分析BP、LSTM和PSO-LSTM这3种模型。结果表明：IPSO-LSTM模型的平均绝对误差(MAE)在0.02以内、均方根误差(RMSE)在0.03以内，监测误差在15%以内，相较于BP、LSTM、PSO-LSTM模型，IPSO-LSTM模型的误差指标值均最小，模型具有更高的精度和稳定性。