来源：期刊VIP网 时间：
作者：李参;
单位：华中农业大学工学院;漯河食品工程职业大学汽车工程学院;
摘要：以GA-BP神经网络作为研究对象，引入权重神经网络建立电池健康状态和剩余寿命评估方法，引入熵权重分析方法来实现对小信息条件下的健康特征筛选，有效提高模型抗噪性和鲁棒性。研究结果表明：在加入数据信息量后，电池健康预测的平均绝对误差及均方根数据跟预期结果基本一致。电池残余寿命预报均值和偏差以及针对特性信息的健康状况预报效果，比采用MAE加权和等值权重法的残余寿命预报模型预报效果更优。充电/放电的电容增长曲线峰值位置与放电电容之间的相关系数在1附近，表现出正相关特征，健康状态预测值达到0.99%。考虑数据特征的电池健康预测的绝对错误均值约0.0028mA·h，均方根误差约0.00283mA·h，比BP法、LSTM法和GA-BP法的预测效果更好。
关键词：锂电池;;数据驱动技术;;健康状态;;剩余使用寿命;;神经网络
基金资助：河南省高等学校重点科研项目（22B580005）;; 河南省职业教育教学改革研究与实践项目（豫教2024-05769）;; 职业教育汽车专业类思政专项研究及素材库项目（QCHZW-2024-01-007）
