一种基于KWLTSA的锂电池热工艺时空建模方法技术

本发明专利技术提供了一种基于KWLTSA的锂电池热工艺时空建模方法，包括以下步骤：时空分离和模型处理：基于KWLTSA的降维方法下将高维时空数据转为低维时空数据，并获取空间基函数；动态建模：根据时空分离的思想，将所述时空数据向所述空间基函数投影得到相应的低阶时间系数，并利用BP

【技术实现步骤摘要】
一种基于KWLTSA的锂电池热工艺时空建模方法


[0001]本专利技术涉及应用于时变
‑
非线性分布参数系统的时空建模
，尤其涉及一种基于KWLTSA的锂电池热工艺时空建模方法。

技术介绍

[0002]近年来，随着新能源技术和电动汽车的发展，锂离子电池以其无污染、质量轻、能量密度高、无记忆效应、自放电率低、寿命周期长等显著优势在电动汽车、电子产品和航空航天领域发挥着重要作用。锂离子电池的理想工作温度为25～40℃，电池模块内最大温差应小于5℃。高温会加速固体电解质相界面(SEI)膜的分解，可能导致热失控；而低温会增加电解液的粘度，影响电池的充放电性能，也会加快锂沉积的反应速度，形成锂镀层或锂枝晶。此外，过大的模块温度梯度会导致单体电池之间的放电性能差异，影响模块的整体放电性能。如果能对电池进行有效的管理，不仅可以提高电池的工作寿命，降低成本，还可以提高电池的工作性能，避免热失控带来的安全问题。

技术实现思路

[0003]针对以上相关技术的不足，本专利技术提出一种具有强非线性系统有很好的鲁棒性，避免了容易遗失原系统的非线性特征的弊端，提高了准确性与可行性的基于KWLTSA的锂电池热工艺时空建模方法。
[0004]为了解决上述技术问题，本专利技术实施例提供了一种基于KWLTSA的锂电池热工艺时空建模方法，包括以下步骤：
[0005]时空分离和模型处理：基于KWLTSA的降维方法下将高维时空数据转为低维时空数据，并获取空间基函数；
[0006]动态建模：根据时空分离的思想，将所述时空数据向所述空间基函数投影得到相应的低阶时间系数，并利用BP
‑
NN对所述低阶时间系数进行训练；
[0007]模型重建：将训练后的所述低阶时间系统与所述空间基函数进行时空重构，获得建模模型，根据所述建模模型获得锂离子电池的热动力学特性。
[0008]优选的，所述KWLTSA的降维方法具体包括以下子步骤：
[0009]局部邻域构造；
[0010]局部坐标拟合；
[0011]将所述局部坐标进行全局排列。
[0012]优选的，所述局部邻域构造具体包括以下子步骤：
[0013]输入空间的N个样本集X
i
＝[x
i1
,
…
x
ik
]，以欧式距离为度量标准，构建X
i
的局部邻域，其中，X
i
包括其本身在内的K个邻域点构成的邻域矩阵为{T(S,t
k
)|s∈Ω，S＝1,
……
,n
S
,k＝1,
……
,n
t
}。
[0014]优选的，所述局部坐标拟合具体包括下子步骤：
[0015]对Xi中心化得到邻域数据均值对局部邻域Xi求投影矩阵V使各样本到
其投影的距离之和最小的表达式(1)：
[0016][0017]其中，为邻域均值，求解邻域中各个样本点的向量X
ij
(j＝1,2,3,
…
,k)到切空间的正交投影所以局部切空间中样本点的局部坐标矩阵为单个样本为
[0018]优选的，所述投影矩阵的求解具体包括以下子步骤：
[0019]对于输入空间的N个样本x
k
(k＝1,
……
,N)，x
k
∈R
N
,使则其自相关矩阵的表达式(2)为：
[0020][0021]通过PCA方法，通过求解特殊方程的表达式(3)：
[0022]Cν＝λν
…
(3)
[0023]获得贡献率最大的特征值及与之对应的特征向量，通过引入非线性特征映射函数φ，使输入空间中的样本点变换为特征空间中的样本点φ(x1),φ(x2),
…
,φ(x
M
)，并预设的表达式(4)：
[0024][0025]其中，特征空间F中的自相关矩阵的表达式(5)为：
[0026][0027]通过式(9)的自相关矩阵求得特征值和特征向量，即可得的表达式(6)：
[0028][0029]由式(6)可得的表达式(7)和(8)：
[0030][0031][0032]将式(2)及(8)代入式(7)可得的表达式(9)：
[0033][0034]其中，求解式(9)还包括步骤：
[0035]定义一个NxN的矩阵K，即引入的核矩阵的表达式(10)：
[0036][0037]通过引入的核矩阵，式(9)写成如下形式：
[0038][0039]简化后获得的表达式(12)：
[0040]Kα＝λα
…
(12)
[0041]根据式(4)，对特征空间的数据进行处理的表达式(13)：
[0042][0043]其中，
[0044]将w
ij
权值定义为距离权值和结构权值的乘积，即：
[0045][0046][0047][0048]其中，D
E
(x
i
,x
ij
)和D
G
(x
i
,x
ij
)分别表示切空间中心x
i
与样本x
ij
的欧式距离和测地线距离，D
Gm
表示邻域样本到切空间中心的测地线距离的中值；
[0049]在KLTSA中使用KPCA估计切空间时，其基础仍然是PCA方法，通常采用特征值分解来计算，式(1)可转化为如式(17)的等价问题：
[0050][0051]其中，上式中的tr()表示求矩阵的秩，为X
i
的协方差矩阵，1为全1的列向量，将式(18)中所求的权值w
ij
放入投影矩阵的目标函数，则新的目标函数为的表达式(18)：
[0052][0053]优选的，所述将所述局部坐标进行全局排列具体包括以下子步骤：
[0054]全局坐标向量T
i
＝[τ
i1
,
…
,τ
ik
]，那么低维向量必须满足的表达式(19)：
[0055][0056]其中，是τ
i
的中心化矩阵，就是重构误差，L
i
是未知仿射变换，起到一个排列的作用，且式(17)的矩阵形式表示为的表达式(20)：
[0057][0058]其中，T
i
＝[τ
i1
,
…
,τ
ik
],
[0059]则局部重构误差矩阵为的表达式(21)：
[0060][0061]令对其重构误差最小化的表达式(22)：
[0062]E(T)＝∑
i
||E
i
||2＝∑
i
min||T
...

【技术保护点】

【技术特征摘要】
1.一种基于KWLTSA的锂电池热工艺时空建模方法，其特征在于，包括以下步骤：时空分离和模型处理：基于KWLTSA的降维方法下将高维时空数据转为低维时空数据，并获取空间基函数；动态建模：根据时空分离的思想，将所述时空数据向所述空间基函数投影得到相应的低阶时间系数，并利用BP
‑
NN对所述低阶时间系数进行训练；模型重建：将训练后的所述低阶时间系统与所述空间基函数进行时空重构，获得建模模型，根据所述建模模型获得锂离子电池的热动力学特性。2.如权利要求1所述的基于KWLTSA的锂电池热工艺时空建模方法，其特征在于，所述KWLTSA的降维方法具体包括以下子步骤：局部邻域构造；局部坐标拟合；将所述局部坐标进行全局排列。3.如权利要求2所述的基于KWLTSA的锂电池热工艺时空建模方法，其特征在于，所述局部邻域构造具体包括以下子步骤：输入空间的N个样本集X
i
＝[x
i1
,
…
x
ik
]，以欧式距离为度量标准，构建X
i
的局部邻域，其中，X
i
包括其本身在内的K个邻域点构成的邻域矩阵为{T(S,t
k
)|s∈Ω，S＝1,
……
,n
S
,k＝1,
……
,n
t
}。4.如权利要求3所述的基于KWLTSA的锂电池热工艺时空建模方法，其特征在于，所述局部坐标拟合具体包括下子步骤：对Xi中心化得到邻域数据均值对局部邻域Xi求投影矩阵V使各样本到其投影的距离之和最小的表达式(1)：其中，为邻域均值，求解邻域中各个样本点的向量X
ij
(j＝1,2,3,
…
,k)到切空间的正交投影所以局部切空间中样本点的局部坐标矩阵为单个样本为5.如权利要求4所述的基于KWLTSA的锂电池热工艺时空建模方法，其特征在于，所述投影矩阵的求解具体包括以下子步骤：对于输入空间的N个样本x
k
(k＝1,
……
,N)，x
k
∈R
N
,使则其自相关矩阵的表达式(2)为：通过PCA方法，通过求解特殊方程的表达式(3)：Cν＝λν
…
(3)获得贡献率最大的特征值及与之对应的特征向量，通过引入非线性特征映射函数φ，使输入空间中的样本点变换为特征空间中的样本点φ(x1),φ(x2),
…
,φ(x
M
)，并预设的表
达式(4)：其中，特征空间F中的自相关矩阵的表达式(5)为：通过式(9)的自相关矩阵求得特征值和特征向量，即可得的表达式(6)：由式(6)可得的表达式(7)和(8)：由式(6)可得的表达式(7)和(8)：将式(2)及(8)代入式(7)可得的表达式(9)：其中，求解式(9)还包括步骤：定义一个NxN的矩阵K，即引入的核矩阵的表达式(10)：通过引入的核矩阵，式(9)写成如下形式：简化后获得的表达式(12)：Kα＝λα
…
(12)根据式(4)，对特征空间的数据进行处理的表达式(13)：其中，将w
ij
权值定义为距离权值和结构权值的乘积，即：的乘积，即：的乘积，即：其中，D
E
(x
i
,x
ij
)和D
G
(x
i
,x
ij
)分别表示切空间中心x
i
与样本x
ij
的欧式距离和测地线距离，D
Gm
表示邻域样本到切空间中心的测地线距离的中值；在KLTSA中使用KPCA估计切空间时，其基础仍然是PCA方法，通常采用特征值分解来计算，...

【专利技术属性】
技术研发人员：徐康康，庄嘉威，
申请(专利权)人：广东工业大学，
类型：发明
国别省市：