融合物理机理与不确定性表征的锂电池剩余寿命预测方法技术

本发明专利技术公开了一种融合物理失效机理与不确定性表征的锂电池剩余寿命预测方法，通过加速历史锂电池样本的寿命实验，获取历史锂电池样本在不同环境应力条件下的容量数据；然后通过提取历史锂电池样本的寿命特征，计算目标锂电池的广义Eyring模型的先验参数；接着通过长短期记忆神经网络自适应拟合锂电池的退化趋势，并采用卡尔曼滤波算法对模型的漂移系数的均值和方差进行更新，并将更新后的参数用于计算目标锂电池样本在当前时刻下的剩余寿命概率密度函数，具有预测精度高、实时性好、自适应能力强等特点。

【技术实现步骤摘要】

本专利技术属于可靠性分析，更为具体地讲，涉及一种融合物理失效机理与不确定性表征的锂电池剩余寿命预测方法。

技术介绍

1、近年来，由于环境污染和能源危机的影响，电动汽车领域得到了全世界的广泛关注。锂电池作为电动汽车中的核心模块，其可靠性水平将在很大程度上影响整个电动汽车系统的可靠性。因此，对锂电池的剩余寿命(rul,remaining useful life)预测技术的研究显得尤为重要，其意义体现在以下几个方面：(1)是获取电动汽车可靠性信息的关键途径，为电动汽车的在线监测与健康管理提供了依据；(2)有助于推动生产商改进锂电池模块的工艺(包括引入新材料和优化封装技术)；(3)有利于为锂电池设计更精确的加速老化试验，从而获取更加准确的老化数据；(4)可为电动汽车实现基于状态的维修，帮助终端用户掌握更多关于电动汽车寿命的信息，减少维护成本。

2、现有的锂电池rul预测技术主要分为两类：基于物理模型驱动的预测技术和基于数据驱动的预测技术。尽管基于物理模型的预测技术可以从材料角度描述系统模块的rul信息，但它需要对锂电池制造材料的特性和工艺过程有深入的理本文档来自技高网...

【技术保护点】

1.一种融合物理机理与不确定性表征的锂电池剩余寿命预测方法，其特征在于，包括以下步骤：

【技术特征摘要】

1.一种融合物理机理与不确定性表征的锂电池剩...

【专利技术属性】
技术研发人员：陈啸午，刘震，程玉华，
申请(专利权)人：电子科技大学，
类型：发明
国别省市：