基于模式提取和分類方法的電動汽車性能評估

鋰電池廣泛用于電動汽車中，但電池的健康程度和使用周期是鋰電池的一個主要缺點。提出了一種估計車輛在用電池全部性能的方法。該估計方法基于電池信號模式提取，這些信號用于識別電池的物理衰退過程。分析過程包括模式提取、聚類算法、表示在集群特征空間距離中數(shù)據(jù)匯總和分類算法。

依據(jù)不同的置信度水平對電池性能分類方法進行論證，尋找能夠提高結果精度的方法和模式識別算法，以獲得對電池性能的實時估計，擴展目前用于量化電池性能特性信號的方法。

介紹了對特定信號特征進行提取和分類方法的整體理論框架，研究中使用的模式分析框架包括數(shù)據(jù)采集、提取模式，形成新的特征空間、分類和模式估計電池的性能水平。研究了性能分類最合適的提取模式，同時提出用于比較電池特性的距離度量的選擇。分類方法包括最近鄰算法、k-均值算法、層次分類算法和支持向量機法，不同的分類方法用于測試不同的信號形態(tài)是否代表不同的電池性能水平。

在兩種工況（20~40km/h的加速過程和10~60km/h的加速過程）下對模式提取方法進行了驗證，對集中分類算法的準確性進行評估，模式形態(tài)學上的變化能夠揭示底層電池性能的改變。使用基于以上試驗中獲得的電池實測數(shù)據(jù)，對分類算法的準確性進行驗證，結果表明，電池信號模式分析為在線估計電池狀態(tài)提供了一種創(chuàng)新性的技術。

刊名：Journal of Power Sources（英）

刊期：2015年第273期

作者：Anthony Barre et al

編譯：何云廷