The invention provides a time-space modeling method of lithium-ion battery thermal process based on two-scale manifold learning, which includes: according to the manifold learning method, constructing a set of nonlinear spatial basis functions for time / space separation; using Galerkin method to truncate the nonlinear spatial basis functions to obtain a physical based time model; using the overrun learning machine to study the existing time model Based on the non-linear spatial basis function and time model, the LIBS spatiotemporal model is reconstructed by the spatiotemporal synthesis method. The invention provides a time-space modeling method of lithium-ion battery thermal process based on two-scale manifold learning. The BFS learning method considers the local and global nonlinear manifold structure information at the same time. Yes, the method is superior to the modeling method based on local linear embedding LLE and isometric mapping Isomap; it is applicable to the time-space dynamic modeling of DPS.
【技术实现步骤摘要】
基于双尺度流形学习的锂离子电池热过程时空建模方法
本专利技术涉及锂离子电池热过程研究
,更具体的,涉及一种基于双尺度流形学习的锂离子电池热过程时空建模方法。
技术介绍
可充电锂离子电池(LIBs)具有高比能、高能量密度和低环境污染等优点,近年来逐渐成为电动汽车(EVs)和混合动力汽车(HEVs)的动力源[1][2]。然而,它们还没有被广泛应用于汽车工业,这是因为温度效应将限制电池的性能[3]-[5]。当电池充电或放电时,它们会通过电化学反应和欧姆加热而产生热量。相反,产生的热量会影响电池的安全性、寿命和性能。因此,电池应在适当的工作温度范围内工作。最终,这取决于一个精确的温度分布模型。因此,建立准确、有效的温度分布模型对其热管理具有重要意义。在数学上,热过程是一个典型的抛物型分布参数系统(DPS),由一组偏微分方程(PDEs)和非齐次边界条件进行描述[6]。该系统是时空耦合的,其参数在空间和时间上都是变化的,不能直接用于在线估计和控制[7][8]。此外,由于具有无穷维特性,这类系统的建模通常需要无限多的传感器,这在实际过程中是不可能的[9]。因此,这类系统的建模具有很大的挑战。LIBs的热过程从机理的角度来看,遵循基本的传热规律,为此人们对LIB的热模型进行了大量的研究,根据电池的物理过程建立了它的热模型。在这些方法中,建立了由多个常微分方程(ODEs)组成的数学模型来分析锂钴氧化物电池的热行为[10]。针对圆柱电池,建立了等效电路电模型与双态热模型相结合的电热模型[11]。这两个子模型的未知参数可以分别识别。研究了一种非线性能量平衡模型,该模型与等 ...
【技术保护点】
1.基于双尺度流形学习的锂离子电池热过程时空建模方法,其特征在于:包括以下步骤:S1:根据流形学习方法,构造一组用于时间/空间分离的非线性空间基函数;S2:采用Galerkin方法对非线性空间基函数进行截断,得到基于物理的时间模型;S3:利用超限学习机对时间模型中存在的未知模型结构和参数进行评估学习;S4:基于非线性空间基函数和时间模型,利用时空合成方法重构LIBs时空模型。
【技术特征摘要】
1.基于双尺度流形学习的锂离子电池热过程时空建模方法,其特征在于:包括以下步骤:S1:根据流形学习方法,构造一组用于时间/空间分离的非线性空间基函数;S2:采用Galerkin方法对非线性空间基函数进行截断,得到基于物理的时间模型;S3:利用超限学习机对时间模型中存在的未知模型结构和参数进行评估学习;S4:基于非线性空间基函数和时间模型,利用时空合成方法重构LIBs时空模型。2.根据权利要求1所述的基于双尺度流形学习的锂离子电池热过程时空建模方法,其特征在于:所述步骤S1的具体过程包括:S11:构造邻图和补充图,表示原始空间中的流形结构;S12:计算局部线性权值和最短路径;S13:计算非线性空间基函数。3.根据权利要求2所述的基于双尺度流形学习的锂离子电池热过程时空建模方法,其特征在于:所述步骤S11具体为:构造K-最近邻图G,给定任意两点T(:,ti)和T(:,tj),若T(:,tj)是T(:,ti)的K-最近邻,则采用一个边将它们相连,否则就不连接;当邻图G构造完成时,补充图Gs也完成了;在邻图G中若有两个点不连通,则在图Gs中在它们之间添加边;导出由邻图G和补充图Gs构成的完整的图,表示原始空间中的流形结构。4.根据权利要求3所述的基于双尺度流形学习的锂离子电池热过程时空建模方法,其特征在于:所述步骤S12具体为:在邻图G中,计算局部权值W,以便重构最佳任意点,导出相应的矩阵M;在补充图Gs中,计算最短路径以及相应的矩阵5.根据权利要求4所述的基于双尺度流形学习的锂离子电池热过程时空建模方法,其特征在于:所述步骤S13具体为:S131:因局部非线性流形结构保留从K-最近邻图G结构开始,对于给定的任意数据T(:,ti),使用其K-最近邻的线性加权组合形成进行构造,构造的误差表示为:其中,上述误差方程在以下约束条件下最小化:若T(:,tj)不是T(:,ti)的K-最近邻,那么Wij=0;为了保持流形结构,低维嵌入时间系数a(t)与误差方程具有相同的形式,具体表示为:其中,所述ai(t)=(φi(S),T(S,t)),i=1,...,n,φi(S)表示非线性空间基函数,T(S,t)表示LIB的时空分布温度;因此方程ε(W)转化优化问题:S132:根据邻图G和补充图Gs构成的完整的图,将优化问题表示为:其中dn(a(ti),a(tj))是在低维嵌入空间中a(ti)和a(tj)之间的欧几里德距离;dM(T(:,ti),T(:,tj))是在矩阵M中...
【专利技术属性】
技术研发人员:徐康康,杨海东,印四华,朱成就,
申请(专利权)人:广东工业大学,
类型:发明
国别省市:广东,44
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。