DOI：10.3969/j.issn.1672-3872.2025.19.031
基金项目：山东省土方机械智慧施工技术重点实验室资助和山东省工程机械智能装备创新创业共同体重点项目（GTT20240102）；国家级大学生创新创业项目（202410710014）
作 者：杨中滕 1 ，于 颖 2 ，安鲁宁 3 ，杨鑫坤 1 ，赵 勇 1，5 ，秦利军 4
（1. 长安大学，陕西 西安 710064；2. 北京航天试验技术研究所，北京 100074；3. 山推工程机械股份有限公司，山东 济宁 272073；4. 平凉职业技术学院，甘肃 平凉 744000；5. 山东省土方机械智慧施工技术重点实验室，山东 济宁 272073）
摘 要：针对当前锂离子电池健康状态（SOH）估计普遍存在精度低、无法满足实时性等问题，文章提出了一种基于AGWO-GPR的锂离子电池SOH估计算法，以提高锂离子电池健康状态的预测精度。通过选取合适的健康特征作为输入，以电池的SOH作为输出，建立AGWO-GPR估计模型，实现对锂离子电池SOH的估计。基于NASA公开的电池数据集，对该模型进行训练并测试，得出的结果与GWO-GPR估计模型进行比较。研究结果表明，AGWO-GPR估计模型的平均绝对误差MAE与均方误差MSE均显著下降，相关系数R值显著提高至0.996 94，且拟合程度更高。这些核心指标的改善有力证明了AGWO-GPR模型能有效提高电池SOH估计的精确度和稳定性。本研究有利于促进电池管理系统的智能化发展，为电动汽车和储能系统的智能化发展提供有力支持。
关键词：电池健康状态；自适应灰狼算法；高斯过程回归；自适应因子
引文信息：[1]杨中滕，于颖，安鲁宁，等.基于AGWO-GPR的锂离子电池SOH估计[J].南方农机，2025，56(19)：122-124.
查看全文请下载PDF文件↓
