我们的服务符合学术规范和道德 专业 高端让您使用时没有后顾之忧
来源：期刊VIP网 时间：
作者：周文璐;郑燕萍;杨丞;晏莉琴;
单位：南京林业大学汽车与交通工程学院;上海空间电源研究所;
摘要：为了提高电池剩余使用寿命（RUL）的预测准确性，基于融合健康指标和构建的电池容量衰退模型，采用粒子群（PSO）优化极限学习机（ELM），结合随机扰动无迹粒子滤波（RP-UPF）的智能数模融合方法对B0005、B0006、B0018号电池的RUL进行预测。研究结果表明：该方法在电池的整个生命周期保持了较高的预测准确性，同时，显著提升了电池RUL预测的精度。
