基于GA-SVR算法进行了电动汽车锂离子电池剩余容量预测研究。首先阐述了支持向量回归机(SVR)的基本原理,其次利用遗传算法(GA)对SVR关键参数进行全局寻优,提高了SVR预测电池剩余寿命的精度;最后,建立GA-SVR模型,利用NASA PCoE研究中心电池数据进行预测试验,与标准SVR、基于网格搜索的SVR算法预测结果进行了对比,结果表明,GA-SVR算法具有更好的预测精度和更强的泛化性剩余容量预测-数控滚圆机滚弧机张家港电动液压缩管机钢管缩管机。 电池和B7电池的容量变化曲线图2GA-SVR模型训练结构NASAPCoE电池试验以电池容量退化至额定容量（失效阀值）的70%作为电池寿命结束，

转载中国知网整理! www.suoguanjixie.name本文参考此标准将失效阀值设置为1.4Ah。因B7电池测试试验结束时电池容量未退化至1.4Ah，通过分析试验数据，将B7电池的失效阀值定位为1.42Ah。两个电池的试验循环周期、失效阀值和实际循环寿命见表1。表1NASA电池失效阀值及其寿命利用B5电池和B7电池的放电数据测试GA-SVR模型对电池容量的预测精度，同时利用基于经验选取参数的标准SVR模型和基于网格搜索的SVR（GS-SVR）模型进行预测，作为对比验证。B5电池数据用于验证GA-SVR模型对于电池剩余寿命（RUL）的预测准确性；B7电池用于验证GA-SVR模型对于电池剩余容量的预测的准确性。B5电池的实际循环寿命为124个周期，为了验证模型的准确性，分别选取样本1~64、1~84、1~104作为训练数据，对应的样本65~168、85~168、105~168用于预测验证。当剩余容量预测达到电池失效阀值时，认为电池寿命结束。图3为在3种不同训练样本下，B5电池容量预测曲线，通过该曲线可得到其剩余使用寿命。B7电池的实际循环寿命为159个周期，分别选取样本1~99、1~119、1~139作为训练数据，对应的样本100~168、120~168、140~168用于预测验证。图4为在3种不同训练样本下，B7电池剩余容量预测曲线。（a）训练样本为1~64（b）训练样本为1~84（c）训练样本为1~104图3B5电池剩余容量预测结果对比由图3和图4可看出，3种SVR模型均可以较准确地预测电池的剩余电量，标准SVR在训练数据较小时误差较大；对于同一种模型，随着训练数据的增加，模型精度将会提高；在利用相同样本数据进行训练时，GA-SVR模型的性能优于其它两种模型。预测性能对比结果如表2和表3所列。2.0剩余容量预测-数控滚圆机滚弧机张家港电动液压缩管机钢管缩管机 转载中国知网整理! www.suoguanjixie.name