原创力文档- 1、本文档共5页，可阅读全部内容。
- 2、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。
- 3、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 5、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 6、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
第l1卷第5期太赫兹科学与电子信息学报VO1．11，No．5
2013年10月JournalofTerahertzScienceandElectronicInformationTechnology0ct．．20l3
文章编号：2095—4980(2013)05—0822—05
基于ARIMA和PF的锂电池剩余使用寿命预测方法
豆金昌，陈则王，揭由翔
(南京航空航天大学自动化学院，江苏南京210016)
摘要：有效的电池剩余使用寿命fRUL)预测方法能够极大地提高系统的可靠性。提出一种基
于自回93-集成滑动平均模型(ARIMA)~Z粒子滤波fPF)融合预测框架，该框架由ARIMA方法和PF方法
构成，ARIMA应用于短期预测，而粒子滤波应用于长期预测。首先在线对锂离子电池进行监测，
然后根据短期预测或长期预测要求执行相应的算法得出横纵坐标分别为周期和容量的RUL预测
图。实验结果表明，该预测框架能够快速准确地预测锂离子电池RUL。
关键词：ARIMA模型；粒子滤波；融合；预测
中图分类号：TN9l1．23；TP391文献标识码：Adoi：l0．11805／TKYDA20l305．0822
RemainingUsefulLifepredictionforlithiumbatterybasedon
ARIMAandParticleFilter
DOUJin—chang，CHENZe—wang，JIEYou—xiang
(CollegeofAutomation，NanjingUniversityofAeronauticsandAstronautics，NanjingJiangsu210016，China)
Abstract：AnefficientmethodforbatteryRemainingUsefulLife(RUL)predictionwouldgreatly
improvethereliabilityofsystems．AnovelAutoregressiveIntegratedMovingAverageModel—Particle
Filter(ARIMA—PF1fusionprognosticframeworkisdevelopedtoimprovetheperformanceofbatteryRUL
prediction．ItiscomposedofARIMAalgorithmandPFalgorithm．ARIMAisemployedforshort—term
estimationofsystemstate，whileParticleFilterforlong—termestimationofsystemstate．Firstly，thelithium
ionbatteryismonitoredonline；thenthecorrespondingalgorithmsareemployedaccordingtoshort—term
forecastsorlong—termforecastsrequirements；theforecastmapsareobtainedwiththetransverseand
longitudinalcoordinatesstandingforthecycleandcapacityrespectively．Theexperimentalresults
indicatethattheproposedprognosticframeworkcanpredictlithiumionbatteryRULaccuratelyandfast．
Keywords：ARIMAmodel；ParticleFilter；fusion；forec
文档评论（0）