基于Elman神经网络锂电池劣化程度的预测研究

论文摘要

锂电池是当今国际公认的理想化学能源,它作为最新的二次电池,由于其优越的性能而备受青睐。随着锂电池性能不断地改进,对电池测试技术的要求也越来越高,锂电池的寿命成为电池测试系统设计的关键问题。为了能够及时了解电池的寿命及健康状态,人们采用电池的劣化程度这一参数最为衡量的指标。所以,本文建立了锂电池劣化程度预测模型,为实时监测电池的健康状态提供了有效的途径。现阶段对电池劣化程度的评价一般针对的是电池的外部特征,通过外部的各种参数来预测电池的劣化程度,实际预测效果一般。所以,本文采用内阻参数辨识的方法,对电池的内部特性与电池劣化程度进行了相关性分析,为电池劣化程度的预测提出了新的方法。通过内阻等参数对电池的劣化程度进行预测,精准度有很大的提高,从而解决传统预测方法的不足。本文以磷酸铁锂动力电池为研究对象,通过分析电池欧姆内阻和极化内阻的特性,建立了电池的简化等效模型,并结合递推最小二乘法对建立的模型进行参数的辨识。将内阻辨识模型应用到电池的充放电循环寿命实验,以此来分析电池的内阻和电池的劣化程度的关系。本文采用Elman神经网络建立了锂电池劣化程度预测模型,将内阻作为模型的输入参数,预测的结果达到了预期的效果,并采用遗传算法对建立的预测模型进行权值的优化,通过仿真对比,使预测的效果更加理想。研究表明,利用锂电池内阻作为预测电池劣化程度的参数,其方法是可行的,该方法将为电池劣化程度的预测提供了一个崭新的方向。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 课题的来源
• 1.2 锂电池发展概况
• 1.3 课题研究现状
• 1.3.1 锂电池建模方法的研究现状
• 1.3.2 电池劣化程度预测方法的研究现状
• 1.4 课题研究的目的和意义
• 1.5 本文主要研究的内容
• 第2章 锂电池内阻模型的建立
• 2.1 锂电池内阻
• 2.2 内阻模型及传递函数的建立
• 2.2.1 内阻模型的建立
• 2.2.2 传递函数的建立
• 2.3 参数辨识
• 2.3.1 递推最小二乘法的学习
• 2.3.2 基于递推最小二乘法的内阻辨识
• 2.4 锂电池内阻模型的验证
• 2.5 本章小结
• 第3章 锂电池循环寿命与劣化程度相关性分析
• 3.1 电池劣化程度的定义
• 3.2 影响锂电池劣化程度的因素
• 3.2.1 影响锂电池劣化程度的内部因素
• 3.2.2 影响锂电池劣化程度的外部因素
• 3.3 锂电池循环寿命测试实验
• 3.3.1 实验用电池
• 3.3.2 测试设备
• 3.3.3 实验测试方法
• 3.3.4 实验测试数据
• 3.4 内阻变化规律与劣化程度相关性分析
• 3.5 不同的放电倍率对劣化程度的影响
• 3.6 不同的温度对劣化程度的影响
• 3.7 本章小结
• 第4章 锂电池劣化程度的Elman 神经网络预测研究
• 4.1 Elman 神经网络理论基础
• 4.1.1 Elman 神经网络结构描述
• 4.1.2 Elman 网络的学习算法
• 4.2 基于Elman 神经网络的锂电池劣化程度预测模型建立
• 4.2.1 样本数据的采集和预处理
• 4.2.2 Elman 网络建模及训练
• 4.2.3 Elman 网络预测结果分析
• 4.3 遗传算法优化Elman 神经网络
• 4.3.1 遗传算法优化Elman 神经网络权值模型
• 4.3.2 模型的工作流程
• 4.3.3 优化过程及结果分析
• 4.4 本章小结
• 结论
• 参考文献
• 攻读学位期间发表的学术论文
• 致谢