基于IPSO-LSTM的新能源汽车锂电池健康状态监测 |
| |
作者姓名: | 刘丹 王瑞虎 吕伟 秦岭 林水春 |
| |
作者单位: | 1. 武汉理工大学中国应急管理研究中心;2. 武汉理工大学安全科学与应急管理学院;3. 武汉理工大学汽车工程学院 |
| |
基金项目: | 国家社会科学基金一般项目资助(23GLB280);;火灾科学国家重点实验室开放课题(HZ2021-KF11);;中央高校基本科研业务费(2022IVA108); |
| |
摘 要: | 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。
|
关 键 词: | 改进粒子群算法(IPSO) 长短期记忆(LSTM) 新能源汽车 锂电池 健康状态(SOH) |
|