基于模式提取和分類方法的電動汽車性能評估

鋰電池廣泛用于電動汽車中，但電池的健康程度和使用周期是鋰電池的一個主要缺點。提出了一種估計車輛在用電池全部性能的方法。該估計方法基于電池信號模式提取，這些信號用于識別電池的物理衰退過程。分析過程包括模式提取、聚類算法、表示在集群特征空間距離中數據匯總和分類算法。

依據不同的置信度水平對電池性能分類方法進行論證，尋找能夠提高結果精度的方法和模式識別算法，以獲得對電池性能的實時估計，擴展目前用于量化電池性能特性信號的方法。

介紹了對特定信號特征進行提取和分類方法的整體理論框架，研究中使用的模式分析框架包括數據采集、提取模式，形成新的特征空間、分類和模式估計電池的性能水平。研究了性能分類最合適的提取模式，同時提出用于比較電池特性的距離度量的選擇。分類方法包括最近鄰算法、k-均值算法、層次分類算法和支持向量機法，不同的分類方法用于測試不同的信號形態是否代表不同的電池性能水平。

在兩種工況（20~40km/h的加速過程和10~60km/h的加速過程）下對模式提取方法進行了驗證，對集中分類算法的準確性進行評估，模式形態學上的變化能夠揭示底層電池性能的改變。使用基于以上試驗中獲得的電池實測數據，對分類算法的準確性進行驗證，結果表明，電池信號模式分析為在線估計電池狀態提供了一種創新性的技術。

刊名：Journal of Power Sources（英）

刊期：2015年第273期

作者：Anthony Barre et al

編譯：何云廷