[发明专利]基于分数阶神经网络和双容积卡尔曼的电池SOH在线估计方法

摘要

本发明公布了一种基于分数阶神经网络和双容积卡尔曼的电池SOH（健康状态）在线估计方法，属于电池健康管理领域。具体步骤为（1）通过传感器采集电池的可见状态量；（2）离线训练分数阶神经网络模型；（3）将步骤（1）采集的实时数据加入初始训练数据集，使模型能够更加准确地描述电池特性；（4）建立一个离散状态空间模型来表征电池隐含状态和可见状态之间的映射函数；（5）利用双容积卡尔曼滤波（DCKF）算法对分数阶神经网络模型进行在线更新，同时对隐含状态进行在线估计。本发明能够在线更新蓄电池模型，使模型适应不断变化的动态环境，提高了电池健康管理的效率和准确度。

主权项

一种基于分数阶神经网络和双容积卡尔曼的电池SOH在线估计方法，其特征在于包括如下基本步骤：步骤1，通过传感器测量电池动态系统的能见状态；步骤2，将同型号电池的历史数据作为初始训练数据集，使用分数阶理论改进的神经网络算法来训练模型，得到能够表征蓄电池非线性特性的等效模型；步骤3，将步骤1实时采集的数据加入初始训练数据集；步骤4，分析电池隐含状态和能见状态之间存在的映射关系，建立一个离散状态空间模型来表征其映射函数；步骤5，利用DCKF算法对分数阶神经网络模型进行在线更新，同时对隐含状态进行在线估计；步骤6，根据隐含状态所反映的电池健康状况，电池管理系统通过执行器对电池进行管理。