基于鲸鱼算法优化长短时记忆神经网络的锂电池剩余寿命预测

摘要：

为确保锂电池在军用无人机以及新能源汽车使用期间的安全性,需要对其进行全生命周期的健康监测和寿命预测.针对长短期记忆神经网络(long short-term memory,LSTM)模型参数较难选取导致所建立的锂电池剩余使用寿命预测方法精度不足问题,提出了一种基于鲸鱼优化算法(whale optimization algorithm,WOA)对LSTM的剩余寿命预测模型进行优化.首先,使用WOA算法对LSTM的隐含层神经元数量、学习率进行寻优,避免经验选取参数的盲目性;其次,将寻优后的超参数重新赋值给LSTM网络,构建与锂电池数据特征更为匹配的预测模型;最后,采用NASA PCoE实验室锂电池的失效数据集验证算法的有效性.仿真结果表明,所提出的预测模型相较于LSTM模型、Elman模型、PSO-LSTM模型的精度平均分别提升了7％、4％、3％,具有较好的预测效果.

关键词：锂离子电池、剩余使用寿命、鲸鱼优化算法、长短期记忆神经网络

所属期刊栏目：22

分类号：TP183(自动化基础理论)

资助基金：国家自然科学基金;西安市智能兵器重点实验室;国家重点实验室基金;陕西省自然科学基础研究计划项目;装备发展部快速扶持项目

在线出版日期：2022-11-30（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：12900-12908