Resumen

Las baterías de iones de litio se utilizan ampliamente en muchos sistemas electrónicos. Por lo tanto, la estimación de la vida útil restante de la batería de iones de litio (RUL) es significativamente importante, pero muy difícil. Una razón importante es que los datos de capacidad de la batería medidos suelen estar sujetos a los diferentes niveles de contaminación acústica. En este artículo se presenta un nuevo enfoque de pronóstico de la capacidad de la batería para estimar la RUL de las baterías de iones de litio. Se realiza una eliminación de ruido Wavelet con diferentes umbrales para debilitar el ruido fuerte y eliminar el ruido débil. Se utiliza una máquina vectorial de relevancia (RVM) mejorada por el algoritmo de evolución diferencial (DE) para estimar el RUL de la batería basándose en los datos denotados. Se lleva a cabo un experimento que incluye el caso de pronóstico de la capacidad de la batería 5 y el caso de pronóstico de la capacidad de la batería 18 y se valida que el enfoque propuesto puede predecir la tendencia de la trayectoria de la capacidad de la batería con precisión y estimar el RUL de la batería con precisión.

• Materias:Inteligencia artificial Algoritmos genéticos Ingeniería civil Neurociencia Cognitiva
• Subjects:Artificial intelligence Genetic algorithms Civil engineering Cognitive Neuroscience
• Palabras claves:batería de iones, caso de pronóstico de capacidad, regla de la batería, muchos sistemas electrónicos, pronóstico de capacidad de la batería, nivel de ruido, enfoque de pronóstico de capacidad, datos de capacidad de la batería, tendencias de la batería, regla del litio
• Keywords:ion battery, capacity prognostic case, battery rul, many electronic system, battery capacity prognostic, level of noise, capacity prognostic approach, battery capacity data, trends of battery, rul of lithium