文章详情
| 稿件标题： | 基于加速鱼群算法的锂离子电池剩余寿命预测 |
| 稿件作者： | 何星1,2，丁有军1，宋丽君1，殷春武1 |
| DOI： | 10.11809/bqzbgcxb2022.02.025 |
| 科学编辑： | 李长福（中国兵器科学研究院研究员） |
| 栏目名称： | 信息科学与控制工程 |
| 关键词： | 极端学习机；人工鱼群算法；数据驱动；剩余寿命预测；锂离子电池 |
| 文章摘要： | 针对极端学习机（ELM）方法在预测建模过程中因参数随机生成导致的结果不确定性，提出了一种加速鱼群算法（AAFSA）优化极端学习机的锂离子电池剩余寿命预测方法。针对基本人工鱼群算法（AFSA）存在的收敛速度慢、易陷入局部最优解，通过自适应确定感知距离和移动步长加快收敛速度，并在随机移动时增加混沌扰动提高种群多样性改善AFSA的寻优性能；利用AAFSA确定最优ELM隐含层参数，建立锂离子电池剩余寿命预测模型；利用NASA锂离子电池数据集验证，剩余寿命预测相对误差低于4%。与ELM相比预测结果更加稳定可靠，相比支持向量回归（SVR）及其改进方法预测精度有明显的提高，最高可提升近50%。 |
| 稿件基金： | 陕西省教育厅专项科研计划项目（20JK0728）；国防科技重点实验室基金项目（6142003190204）；西安建筑科技大学自然科学专项项目（ZR20048） |
| 引用本文格式： | 何星，丁有军，宋丽君，等.基于加速鱼群算法的锂离子电池剩余寿命预测［J］.兵器装备工程学报，2022，43(02)：163-169. HE Xing, DING Youjun, SONG Lijun, et al.Residual life prediction for lithiumion battery based on accelerating AFSA［J］.Journal of Ordnance Equipment Engineering，2022，43(02)：163-169. |
| 刊期名称： | 2022年02期 |
| 出版时间： | 2022年2月 |
| 上线时间： | 2022年2月28日 |
| 浏览次数： | 2700 |
| 下载次数： | 620 |
| 免费阅读PDF 在线阅读 下载本期目录 下载本期封面 | |