【技术实现步骤摘要】
电池性能退化趋势预测方法、装置、设备及存储介质
[0001]本专利技术涉及电池性能
，尤其涉及一种电池性能退化趋势预测方法、装置、设备及存储介质。
技术介绍
[0002]随着国家对于电动汽车的倡导力度增大，对于锂电池技术上的需求也在逐日增长，同时锂电池技术也是电动汽车应用前景的一大关键因素。对于锂电池而言，具有工作电压高、能量密度大、自放电率低、无记忆效应等显著优点，可以做得更薄更小，大大提高了电池造型设计的灵活性，从而可以配合产品需求，做成任何形状与容量的电池。
[0003]但是，锂电池也有一些不可避免的缺点，例如不可以过度充电、经不住过度放电、受不住高温、耐不住严寒，这些都是它的软肋。并且随着电池充放电循环次数的增加，电池会发生性能退化现象，将导致电池剩余容量减小，内阻增加等性能变化，如果电池退化严重，对电池的管理不当时，会引起电池失效，甚至引发着火等安全事故。
[0004]上述内容仅用于辅助理解本专利技术的技术方案，并不代表承认上述内容是现有技术。
技术实现思路
[0005]本专利...
【技术保护点】
【技术特征摘要】
1.一种电池性能退化趋势预测方法，其特征在于，所述电池性能退化趋势预测方法包括：采集待检测电池充放电状态中的电池数据，所述电池数据包括电池容量数据和电流电压数据；通过超声波检测方式获取所述待检测电池充放电状态中脉冲信号穿过所述待检测电池时产生的超声信号数据；将所述电池容量数据、所述电流电压数据和所述超声信号数据输入至预设电池性能退化模型中，获得所述待检测电池对应的性能退化结果；根据所述性能退化结果获得所述待检测电池的电池性能退化趋势。2.如权利要求1所述的电池性能退化趋势预测方法，其特征在于，所述采集待检测电池充放电状态中的电池数据，所述电池数据包括电池容量数据和电流电压数据的步骤之前还包括：基于预设电池性能检测仪获取电池充放电循环过程中的电池状态数据、超声反馈数据和压力传感数据；对所述电池状态数据、所述超声反馈数据和所述压力传感数据进行相关性分析，获得不同压力传感数据下对应的超声反馈数据的特征值；对所述特征值进行归一化处理，并通过RVM算法对归一化处理后的特征值进行模型构建训练，获得训练后的预设电池性能退化模型。3.如权利要求2所述的电池性能退化趋势预测方法，其特征在于，所述对所述电池状态数据、所述超声反馈数据和所述压力传感数据进行相关性分析，获得不同压力传感数据下对应的超声反馈数据的特征值的步骤包括：将所述电池状态数据对应的超声反馈数据和压力传感数据进行分组，获得不同压力传感数据下对应的超声反馈数据组；提取所述超声反馈数据组中相同SOC状态的超声波波形；根据所述超声波波形与波形坐标轴之间的面积值获取超声反馈数据组对应的特征值。4.如权利要求2所述的电池性能退化趋势预测方法，其特征在于，所述对所述特征值进行归一化处理，并通过RVM算法对归一化处理后的特征值进行模型构建训练，获得训练后的预设电池性能退化模型的步骤包括：对所述特征值进行归一化处理，并通过RVM算法对归一化处理后的特征值进行模型构建训练，获得训练模型；通过PSO算法对所述训练模型进行参数构建，获得对应的初始粒子群；根据所述初始粒子群的位置与速度获得所述初始粒子群对应的适应度函数，直至所述适应度函数达到终止条件，并将所述适应度函数达到终止条件时所对应的适应度函数作为最优适应度函数；根据所述最优适应度函数对所述训练模型进行训练，将训练后的训练模型作为预设电池性能退化模型。5.如权利要求4所述的电池性能退化趋势预测方法，其特征在于，所述根据所述初始粒子群的位置与速度获得所述初始粒子群对应的适应度函数，直至所述适应度函数达到终止条件，并将所述适应度函数达到终止条件时所对应的适应度函数作为最优适应度函数的步
骤包括：获取初始粒子群中各个粒子的位置与速度，并根据所述位置和所述速度获得各个粒子的适应度函数；根据所述适应...
【专利技术属性】
技术研发人员：蔡志端，秦陈威，沈佳浩，徐静云，
申请(专利权)人：湖州师范学院，
类型：发明
国别省市：
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。