一种基于NTM和统计方法的多阶段电池剩余寿命预测方法技术

本发明专利技术公开了一种基于NTM和统计方法的多阶段电池剩余寿命预测方法，可对电池剩余寿命进行多阶段预测。包括如下步骤：(1)对电池容量数据进行处理，提取出健康因子HI；(2)在步骤(1)的基础上将处理后的数据输入到长短期记忆神经网络(LSTM)中，根据退化率对数据进行分段；(3)在步骤(2)的基础上，利用贝叶斯统计方法获得各阶段退化函数，并将其引入到神经图灵机(NTM)模型中，进行参数更新；(4)在步骤(3)的基础上将数据输入到神经图灵机(NTM)中进行预测；(5)电池寿命预测实例分析：使用NASA的公开数据集进行了验证，并与其他方法进行比较。

【技术实现步骤摘要】

：本专利技术涉及一种基于ntm和统计方法的多阶段电池剩余寿命预测方法，其属于电池健康管理领域，以及民航交通运输安全研究领域。

技术介绍

0、
技术介绍
：

1、对于民航领域来说，锂电池也因其高能量密度、低自放电率、长使用寿命和环境友好等优点而被更大量地使用，在机场中锂电池常作为电器设备的后备电源。目前，更先进的电池的技术还不够成熟，锂电池还会在长时间内占主要地位。为了确保电池的安全使用，准确估计其剩余寿命(remaining useful life，rul)对飞机的飞行安全至关重要。

2、目前对剩余寿命(remaining useful life-rul)预测的方法大致分成3类，分别是基于模型的方法、基于数据驱动的方法以及混合方法。

3、基于模型的预测方法侧重于潜在的物理失效机制。如果降解过程是设计良好的，那么基于物理的方法通常会获得相当准确的估计结果。

4、由于短暂容量再生以及噪声干扰等问题，锂电池的故障机制十分复杂。与基于物理模型的预测方法相比，基于数据驱动的预测方法不需要考虑复杂的电化学特性，而是从原始数据本文档来自技高网...

【技术保护点】

1.一种基于NTM和统计方法的多阶段电池剩余寿命预测方法，其特征在于：包括如下步骤：

2.如权利要求1所述的基于NTM和统计方法的多阶段电池剩余寿命预测方法，其特征在于：步骤(1)包括如下：

3.如权利要求1所述的基于NTM和统计方法的多阶段电池剩余寿命预测方法，其特征在于：步骤(2)中使用LSTM计算容量数据中退化率变化超过阈值的点，从而对数据进行分段；

4.如权利要求1所述的基于NTM和统计方法的多阶段电池剩余寿命预测方法，其特征在于：步骤(3)包括如下：首先从当前阶段数据和情景记忆中获得一批样本，电池容量相当于一个由变量X组成的单节点贝叶斯网络，...

【技术特征摘要】

1.一种基于ntm和统计方法的多阶段电池剩余寿命预测方法，其特征在于：包括如下步骤：

2.如权利要求1所述的基于ntm和统计方法的多阶段电池剩余寿命预测方法，其特征在于：步骤(1)包括如下：

3.如权利要求1所述的基于ntm和统计方法的多阶段电池剩余寿命预测方法，其特征在于：步骤(2)中使用lstm计算容量数据中退化率变化超过阈值的点，从而对数据进行分段；

4.如权利要求1所述的基于ntm和统计方法的多阶段电池剩余寿命预测方法，其特征在于：步骤...

【专利技术属性】
技术研发人员：刘君强，盛思佳，邓洁，黄佳辉，左洪福，
申请(专利权)人：南京航空航天大学，
类型：发明
国别省市：