鋰電池壽命預測研究的國內(nèi)外文獻綜述支持向量機誤差補償模型的鋰離子電池SOH估計方法，實現(xiàn)了王一宣等人2根據(jù)支持向量回歸機的上改進了相應算法，因為支持向量回歸測結(jié)果更準確，泛化能力更強。本文采用的SVR通過調(diào)整參數(shù)，實現(xiàn)效提算法的相對誤差小于6%,容量預測的平均相對誤差小0.4%。崔納新14使用支持向量機將鋰電池的輸出變量和輸入變量分成訓練集和測工胡麗平5在動力鋰電池進行了一系列的研究，利用支持向量機的學習能力和在RVM方面，針對鋰電池的剩余壽命問題，李賽等人6提出用相關(guān)向量機分析比較，分析結(jié)果表明相關(guān)向量機算法在三組數(shù)據(jù)下的平均絕對誤差接近5%,平均均方根誤差接近6%,擴展卡爾曼濾波的平均絕對誤差和均方根誤差的平均值分別接近7%和8%,驗證了算法的有效性。劉月峰等人7提出的多核RVM方法，解決了單核RVM模型中電池性能退結(jié)果表明，該文提出的RVM多核方法與RVM單核方法相比，可以獲得更高的何怡剛[8使用相關(guān)向量機對鋰電池的放電周期的健康狀況數(shù)據(jù)和電池容量1.3神經(jīng)網(wǎng)絡(luò)方面在神經(jīng)網(wǎng)絡(luò)方面陳穎[11等人提出了子種群自適應調(diào)整法(MindEvolutionaryAlgorithm,MEA),并利用改進算法優(yōu)化反向傳播(BackEvolutionaryAlgorithm,SAMEA),再利用SAMEA優(yōu)化BP神經(jīng)網(wǎng)絡(luò)初始權(quán)值及閾值。結(jié)果表明所提出改進方法對SOC估計的精度高。丁陽征121等人利用粒子群算法優(yōu)良的全局尋優(yōu)能力對極限學習機的輸入端方法的預測誤差控制在2%左右。王竹晴[13使用了神經(jīng)網(wǎng)絡(luò)方法來預測鋰電池的剩余使用情況，其針對鋰電法。該算法的核心思想是利用改進的gray-Wolf優(yōu)化算法解決SVR模型中參數(shù)的聯(lián)合優(yōu)化問題。由IGWO-SVR隨機生成一個灰狼種群，單個灰狼的位置向量由三個參數(shù)C組成，σ,以及：支持向量回歸模型。根據(jù)每個灰狼個體的位置信信息作為SVR模型的最終參數(shù)進行訓練。在NASA鋰離子電池數(shù)據(jù)集上的實驗仿真結(jié)果表明，所提出的AUKF-GA-SVR比現(xiàn)有的擴展卡爾曼濾波、無跡卡爾相關(guān)向量回歸和AEKF-ga-svr具有更好的楊彥如161等人提出了一種結(jié)合完備集合經(jīng)驗模態(tài)分解(CEEMDAN)和支持間的相關(guān)性，然后利用CEEMDAN將健康因子進行分解，獲得一系列相對平穩(wěn)的分量，最后采用CEEMDAN分解后的健康因子作為SVR預測模型輸入，容量作為輸出，實現(xiàn)對鋰電池RUL預測。利用NASAPCoE提供的鋰電池退化數(shù)據(jù)集進行試驗，與標準SVR模型相比，實驗結(jié)果表明利用該方法提出的RUL預測模型的有效性，并且使預測誤差控制在2%以下。表1.1方法總結(jié)表胡麗平《基于支持向量機的動力鋰離子電池SOC估算算法研究》[2]王一宣，李澤滔.基于改進支持向量回歸機的鋰離子電池剩余壽命預測[J].汽車技術(shù)，2020,000(002):28-32.[3]解冰.基于支持向量機的鋰離子電池壽命預測方法研究[D].華中科技大態(tài)估計方法及系統(tǒng)：.[5]胡麗平.基于支持向量機的動力鋰離子電池SOC估算算法研究.湖北工業(yè)大學.[J].計算機工程與設(shè)計，2018,v.39;No.380(08):290-294.[7]劉月峰，趙光權(quán)，彭喜元.多核相關(guān)向量機優(yōu)化模型的鋰電池剩余壽命預測方法[J].電子學報，2019,047(006):1285-1292.[8]何怡剛，張朝龍，佐磊，等.基于小波降噪和相關(guān)向量機的鋰電池剩余壽命預測[9]基于增量學習相關(guān)向量機的鋰離子電池SOC預測方法[J].電工技術(shù)學報，2019,34(013):2700-2708.[10]周建寶.基于RVM的鋰離子電池剩余壽命預測方法研究[D].哈爾濱工業(yè)大學，2013.[11]陳穎，黃凱，丁恒，田海建.基于子種群自適子電池SOC估計[J/OL].電源學報：1-15[2021-06-05].[12]丁陽征，賈建芳.改進PSO優(yōu)化ELM預測鋰離子電池剩余壽命[J].電子測[13]王竹晴.基于神經(jīng)網(wǎng)絡(luò)的鋰離子電池RUL預測方法研究[D].中北大學，[14]李龍剛，李立偉，楊玉新，羅羽.基于改進灰狼優(yōu)化與支持向量回歸的鋰電池健康狀態(tài)預測[J].南京理工大學學報，2020,44(02):154-161+170.[15]XueZ,ZhangY,ChengC,etal.RemainingUsefulLifePredictioum-ionBatterieswithAdaptiveUnscentedKalmanFilteran