基于随机过程建模的锂电池剩余寿命预测关键问题研究

Accurately predicting the remaining useful life (RUL) of lithium-ion batteries is the important step to improve the reliability and safety of lithium-ion batteries. RUL prediction method of lithium-ion batteries based on modelling stochastic processes is the frontier scientific issue of the prognostics and health management field of lithium-ion batteries. The advantage of this method is that it can describe the dynamics of the degradation processes and quantify the uncertainty of prediction results. At present, under the study of this method, the solutions of key issues, such as RUL prediction of lithium-ion batteries based on hidden complex nonlinear stochastic processes, parameters estimation under imperfect prior information, modelling the regeneration phenomena of lithium-ion batteries and its influence on RUL prediction, have been rarely reported in the literature. This project plans to study: 1) degradation modelling, parameters estimation and RUL prediction of lithium-ion batteries based on hidden complex nonlinear stochastic processes; 2) RUL prediction of lithium-ion batteries under imperfect prior information; 3) RUL prediction of lithium-ion batteries with modelling the regeneration phenomena; 4) application verification based on the experimental data before being equipped and accelerated degradation experimental data of some type lithium-ion battery equipped on missile launch vehicle. The research achievements of this project are not only of great military significance and application value of engineering, but also with certain theory significance.

准确预测锂电池的剩余寿命是提高锂电池可靠性和安全性的重要措施。基于随机过程建模的锂电池剩余寿命预测方法是预测与健康管理领域的前沿科学问题，该方法的优点在于能够描述退化过程中的动态行为和量化预测结果的不确定性。目前，在该方法的研究中，对于基于隐含复杂非线性随机过程的锂电池剩余寿命预测、不完美先验信息下的参数估计、锂电池复苏效应的建模及其对剩余寿命预测的影响等关键问题，在文献中鲜有解决方法的报道。本项目拟主要研究：1）基于复杂隐含非线性随机过程的锂电池退化规律建模、参数估计及剩余寿命预测方法；2）基于不完美先验信息的锂电池剩余寿命预测方法；3）基于锂电池复苏效应建模的剩余寿命预测方法；4）依托导弹发射车核心部件车载锂电池，利用某型车载锂电池定型试验数据和加速退化试验数据，进行应用验证。本课题的研究成果不仅具有重要的军事意义和工程应用价值，还具有一定的理论意义。

准确预测锂电池的剩余寿命是提高锂电池可靠性和安全性的重要措施。基于随机过程建模的锂电池剩余寿命预测方法是预测与健康管理领域的前沿科学问题，该方法的优点在于能够描述退化过程中的动态行为和量化预测结果的不确定性。目前，对于隐含非线性、不完美先验信息和复苏效应这三个因素对锂电池剩余寿命预测的影响方面还有待深入研究。鉴于此，本项目首先基于无偏估计的思想，提出了一种修正的期望最大化估计算法，该方法不仅避免了漂移系数方差估计为负的情况，还实现了计算结果的快速收敛，具有较高的参数估计精度。基于带测量误差的非线性退化过程，提出了只更新漂移系数的锂电池剩余寿命预测方法，并通过锂电池退化数据验证了所提方法的正确性。研究了不完美先验信息下维纳过程和随机系数回归模型的剩余寿命预测方法，该方法首先证明了基于单个设备的现场退化数据，联合贝叶斯算法与期望最大化算法得出的随机参数估计结果与极大似然估计方法相同。基于此结论，提出了一种根据先验信息可信程度选择不同迭代次数的启发式剩余寿命预测方法。然后，通过研究两步极大似然估计方法的性质，为如何将失效寿命数据转化为退化数据先验信息提供了理论基础。针对实际应用中存在先验信息不够准确甚至不存在的情况，提出了将失效数据转化为设备退化模型中随机系数先验信息的参数估计方法，进一步提出了一种基于失效数据的两步剩余寿命预测方法。该算法能够合理利用同类设备的历史退化数据或专家信息确定的失效数据，以克服不完美先验信息对剩余寿命预测的影响。最后，研究了复苏效应影响下的锂电池健康状态估计和剩余寿命预测方法。通过分段建模的思想，将复苏效应影响下的锂电池退化过程分解成多个退化过程，并分别进行建模，接着再融合多个退化过程进行健康状态估计和剩余寿命预测。实验结果表明本项目所提方法能够有效克服复苏效应对锂电池健康状态估计和剩余寿命预测的影响，提高了估计和预测精度。