论文部分内容阅读
在锂电池剩余寿命预测的过程中,数据驱动的方法存在预测不稳定的问题。针对以上问题,本文将使用智能优化算法进行超参数寻优,将预测精度和训练成本作为目标函数,建立NSGA-Ⅱ算法和Elman神经网络的锂电池剩余寿命预测模型可以有效解决数据驱动预测不稳定的问题。首先,提取可以表征电池衰退的间接参数——等压降放电时间,并进行相关性分析;其次,引入NSGA-Ⅱ算法优化Elman神经网络的超参数,建立锂电池间接因子NSGA-Ⅱ-Elman多目标预测模型;最后,基于美国宇航局NASA数据集对建立的预测模型进行了验证。实验结果表明:基于NSGA-Ⅱ-Elman的预测模型,不仅准确度更高,泛化能力更强,稳定性更高。