A fusion method for predicting the remaining useful life of lithium-ion batteries based on IMMUKF and WAVENN

科学家开发出一种基于IMMUKF和WAVENN的锂离子电池剩余使用寿命融合预测方法

文华学院Wenhui Li团队开发出一类基于FlexRay协议的非线性分数阶系统的状态估计。相关论文于2026年10月发表在国际学术期刊《测量和控制》上。

研究人员表示，准确的剩余使用寿命（RUL）预测对于优化锂离子电池系统在各种应用中的性能和安全性至关重要。

为提升预测性能，研究人员提出了一种新颖的融合框架。该框架独特地将交互式多模型无迹卡尔曼滤波（IMM-UKF）与小波神经网络（WAVENN）相结合，充分发挥二者的互补优势。在该框架中，IMM-UKF用于融合多种描述锂离子电池容量退化的现有数学模型，同时纳入WAVENN生成的预测。该方法通过在线更新权重系数和模型概率，实现了不同模型间的自动识别与切换。

因此，通过对各预测值进行加权聚合，可得出最优容量估计。这一迭代过程最终产生RUL预测。所提出的多模型融合方法针对传统单模型基准进行了严格评估。实验结果证实了其更优越的预测精度。

Measurement and Control

该刊是一份经过同行评审的开放获取期刊，专注于发表有关测量和控制领域，理论与应用的研究成果。

期刊优势

影响因子：2.3

期刊分区：JCR Q3 AUTOMATION & CONTROL SYSTEMS, INSTRUMENTS & INSTRUMENTATION

期刊网址:

https://www.liebertpub.com/home/maca?utm_medium=china_social&utm_source=paid-media&utm_campaign=joa_liebert_subdr_mac_sciencenet-261009&utm_content=2610091&utm_term=advertorial

往期研究:

https://www.liebertpub.com/loi/MAC?utm_medium=china_social&utm_source=paid-media&utm_campaign=joa_liebert_subdr_mac_sciencenet-261009&utm_content=2610091&utm_term=advertorial

投稿网址:

https://mc.manuscriptcentral.com/jmac?utm_medium=china_social&utm_source=paid-media&utm_campaign=joa_liebert_subdr_mac_sciencenet-261009&utm_content=2610091&utm_term=advertorial

转载本文请联系原作者获取授权，同时请注明本文来自Sage学术科学网博客。

链接地址：https://wap.sciencenet.cn/blog-3650976-1556533.html?mobile=1

收藏

分享