一种基于改进粒子滤波与过程噪声多特征融合算法的电池状态跟踪与RUL预测方法

摘要

本发明公开了一种基于改进粒子滤波与过程噪声多特征融合算法的电池状态跟踪与RUL预测方法。该发明在采用贝叶斯状态跟踪训练更新提议分布的方法来改善粒子退化现象的基础上，充分运用马尔科夫链‑蒙特卡洛理论(MCMC)丰富采样粒子多样性以解决重采样枯竭问题的优势特征，创建基于MCMC的更新改进PF算法研究模型；同时采用改良自适应算法融合更新改进PF模型的方法对不同实验数据进行噪声多特征寻优，建立噪声分布参数辨识表。基于此，本发明提出构建一套完整的自适应辨识过程噪声分布、电池状态跟踪与RUL预测系统性研究方法体系，且具有状态跟踪拟合度好、RUL预测精度高(误差5％以内)以及稳定鲁棒性、泛化适应性强等优点。