基于模式提取和分类方法的电动汽车性能评估

锂电池广泛用于电动汽车中，但电池的健康程度和使用周期是锂电池的一个主要缺点。提出了一种估计车辆在用电池全部性能的方法。该估计方法基于电池信号模式提取，这些信号用于识别电池的物理衰退过程。分析过程包括模式提取、聚类算法、表示在集群特征空间距离中数据汇总和分类算法。

依据不同的置信度水平对电池性能分类方法进行论证，寻找能够提高结果精度的方法和模式识别算法，以获得对电池性能的实时估计，扩展目前用于量化电池性能特性信号的方法。

介绍了对特定信号特征进行提取和分类方法的整体理论框架，研究中使用的模式分析框架包括数据采集、提取模式，形成新的特征空间、分类和模式估计电池的性能水平。研究了性能分类最合适的提取模式，同时提出用于比较电池特性的距离度量的选择。分类方法包括最近邻算法、k-均值算法、层次分类算法和支持向量机法，不同的分类方法用于测试不同的信号形态是否代表不同的电池性能水平。

在两种工况（20~40km/h的加速过程和10~60km/h的加速过程）下对模式提取方法进行了验证，对集中分类算法的准确性进行评估，模式形态学上的变化能够揭示底层电池性能的改变。使用基于以上试验中获得的电池实测数据，对分类算法的准确性进行验证，结果表明，电池信号模式分析为在线估计电池状态提供了一种创新性的技术。

刊名：Journal of Power Sources（英）

刊期：2015年第273期

作者：Anthony Barre et al

编译：何云廷