基于強跟蹤粒子濾波方法的鋰離子電池壽命預測

上海飛機設計研究院　余　匯　鞠文煜　馬雙云

基于強跟蹤粒子濾波方法的鋰離子電池壽命預測

上海飛機設計研究院余匯鞠文煜馬雙云

鋰離子電池壽命預測是電池預測與健康管理領域研究的重要方向，精確的電池壽命預測可以增強電池的可靠性，使用電設備的使用得到合理規劃。在本文中，我們使用了強跟蹤粒子濾波方法來逼近鋰離子電池剩余壽命預測過程的非線性和非高斯過程，預測電池的剩余壽命，在局部實現了對電池壽命退化曲線跟蹤效果的提升。

鋰離子電池；壽命預測；強跟蹤粒子濾波

1　概述

鋰離子電池廣泛應用在飛機、無人機、電動汽車、手機、筆記本電腦等工業中，其高密度容量和效能比顯示了其優越性。然而，電池在經過多次充放電循環之后，容量逐漸降低，威脅到各個用電系統，尤其是關鍵用電設備，例如飛控系統等。如何針對鋰離子電池進行有效監控，預測其剩余壽命，做到提前維護、預防維修變得十分重要。

近年來鋰離子電池剩余壽命研究的方法主要分為兩類，即基于數據驅動的方法和基于模型的方法。基于數據的方法主要包括神經網絡方法、邏輯回歸方法、以及支持向量機方法等，可以通過學習歷史數據，針對未來的趨勢進行回歸和預測。

本文引入強跟蹤粒子濾波的一種改進方法，它具有基于數據驅動方法優秀的適應性和計算性，不需要考慮影響因子和化學反應，不需要設計復雜的等效電路模型，通過自身的學習逼近用非線性和非高斯的電池退化過程，是一種適應性較強的方法。本方法對鋰離子電池壽命預測的過程更新粒子濾波中的粒子，實現預測。以下我們所采用的方法的具體介紹。

2　強跟蹤粒子濾波方法

經典的粒子濾波是從蒙特卡洛方法的基礎上發展來的，使用它可以有效地解決非線性問題中高斯分布的影響，它的核心思想是用從先驗分布中抽取隨機分布的粒子更新代替狀態更新進行狀態預測。針對粒子濾波的粒子退化和貧乏現象，有很多其它方法被用應用到粒子濾波中，這給粒子濾波的應用帶來很多變化形式，如擴展粒子濾波（EPF，Extended Particle Filter）和無跡粒子濾波（Unscented Particle Filter）等。本文所使用的強跟蹤粒子濾波也是粒子濾波的一種衍生形式，它使用的是帶有次優漸消因子的擴展卡爾曼濾波器用以約束在迭代過程中粒子的更新，通過引入重要性密度（importance density）方式減輕采樣過程的粒子貧乏問題的影響的濾波方法，在整個電池的退化預測中，本文所使用的方法與其它濾波方法相比不用構建狀態轉移方程，它的狀態更新過程是為通過跟蹤所構建的狀態增殖過程。

完整的由帶有次優漸消因子的擴展卡爾曼濾波器和粒子濾波的混合方法的強跟蹤粒子濾波算法推導可以描述為以下過程。

步驟一：設置初始狀態。計算初始粒子集｛xi｝，調整其衰減系數β。

步驟二：執行迭代過程。引入狀態增殖過程更新粒子，并計算每一個粒子的重要性密度，如下式所示。

步驟三：更新權重并對其進行歸一化，如下式所示。

步驟四：進行粒子狀態更新，如下式所示。

步驟五：如果采樣有效性Neff低于，即進行粒子重采樣，如下式。

步驟六：重復步驟二到步驟五，以迭代方式完成電池退化過程狀態更新，直到電池的容量低于總容量的80%。

3　RUL預測結果

為了驗證上述過程，本文采用一組電池進行了充放電實驗，實驗結果如圖1所示。圖中的橫軸為電池充放電循環的次數，縱軸為電池容量，藍色的線表示基于跟蹤方法的測試結果，紅色的線為真實的實驗數據，在這里是參考曲線。根據粒子的分布情況求對每個時刻的粒子的加權均值，我們得到如圖1上所示的電池壽命預測結果，可以看到預測的后68個循環慢慢偏離的了參考數據，對大多數電池來說，額定電容量的80%是它的失效臨界值，而我們所應用的方法在接近80%電容量以前的部分跟蹤精度還是比較好的。

圖1 電池壽命預測的方法對比結果

圖1同樣列出了一組對采用EKF方法的對照實驗，EKF的更新過程使用的等效電路模型，我們所使用的基于強跟蹤粒子濾波的方法與之進行對比，預測效果明顯得到提升。

所以基于以上過程，我們得到如下總結，我們所使用的基于強跟蹤粒子濾波的可以用于預測鋰離子電池的剩余壽命，它對預測過程的突變改變跟蹤效果較好，預測精度較高。

［1］張鑫明.非線性濾波在通信與導航中的應用研究［D］.北京郵電大學博士學位論文，2012.5.30.

［2］張凱，湯依偉，鄒忠，程昀，宋文鋒，賈明，盧海，張治安.鋰離子電池LiMn2O4/石墨電極放電過程中擴散極化的仿真［J］.中國有色金屬學報，2013，23（8）：2235-2242.

［3］姚雷，王震坡.鋰離子電池極化電壓特性分析［J］.北京理工大學學報，2014，34（9）：912-916.