中国安全科学学报

作者：刘丹, 王瑞虎, 吕伟, 秦岭, 林水春

单位：1 武汉理工大学 中国应急管理研究中心,湖北 武汉 430070；2 武汉理工大学安全科学与应急管理学院,湖北 武汉 430070；3 武汉理工大学 汽车工程学院,湖北 武汉 430070；4 格力钛新能源股份有限公司,广东 珠海 519040

关键词：改进粒子群算法(IPSO),长短期记忆(LSTM),新能源汽车,锂电池,健康状态(SOH)

基金：国家社会科学基金一般项目资助(23GLB280); 火灾科学国家重点实验室开放课题(HZ2021-KF11); 中央高校基本科研业务费(2022IVA108)

为监测新能源汽车锂电池的健康状态(SOH),防范电池故障引发安全事故风险,提出改进粒子群算法(IPSO)和长短期记忆(LSTM)神经网络相结合的模型,监测锂电池的SOH。首先,采用Spearman相关性分析法,提取锂电池SOH监测的健康因子;其次,采用线性惯性权重和非对称学习因子改进传统粒子群算法(PSO),利用IPSO算法对LSTM模型的隐含层神经元个数、神经元失活率、批处理值进行关键参数寻优,进一步优化LSTM模型,建立IPSO-LSTM锂电池SOH监测模型;最后,以新能源汽车主流采用的18650锂电池数据集验证IPSO-LSTM模型,并对比分析BP、LSTM和PSO-LSTM这3种模型。结果表明:IPSO-LSTM模型的平均绝对误差(MAE)在0.02以内、均方根误差(RMSE)在0.03以内,监测误差在15%以内,相较于BP、LSTM、PSO-LSTM模型,IPSO-LSTM模型的误差指标值均最小,模型具有更高的精度和稳定性。

来源：2023年第9期

《中国安全科学学报》期刊编辑部

查看中国安全科学学报杂志2023年第9期