CN103258115B - 基于多项式拟合和寿命分布的锂离子电池动态可靠性评估方法 - Google Patents
基于多项式拟合和寿命分布的锂离子电池动态可靠性评估方法 Download PDFInfo
- Publication number
- CN103258115B CN103258115B CN201310128348.4A CN201310128348A CN103258115B CN 103258115 B CN103258115 B CN 103258115B CN 201310128348 A CN201310128348 A CN 201310128348A CN 103258115 B CN103258115 B CN 103258115B
- Authority
- CN
- China
- Prior art keywords
- operating mode
- reliability
- time
- moment
- product
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
Landscapes
- Tests Of Electric Status Of Batteries (AREA)
- Secondary Cells (AREA)
Abstract
本发明公开了一种基于多项式拟合和寿命分布的锂离子电池动态可靠性评估方法,包括步骤一、获取工况折合因子关于虚拟失效阈值的函数关系;步骤二、得到产品的标准退化轨迹;步骤三、获取产品当前时刻的状态偏移量;步骤四、得到状态偏移度;步骤五、得到产品各时刻的动态实时可靠度。本发明充分利用了同类产品信息和待评估产品的实时监测信息,实现了对锂离子电池进行动态可靠性评估,评估效果显著,与现有的可靠性评估方法相比,本发明方法显著提高了通用性和精度。
Description
技术领域
本发明属于锂离子电池的可靠性评估技术领域,具体涉及一种基于多项式拟合和寿命分布的锂离子电池动态可靠性评估方法。
背景技术
随着设备的自动化程度逐渐提高,结构也日趋复杂,当某一个部位出现故障时,很可能会给其他部位、甚至整个机组带来影响,不仅可能会造成巨大的经济损失,甚至有可能危及人身安全。为了尽量减少或者避免这类重大事故的发生,一方面,不断提高产品质量及可靠性是一种很好的解决办法,这也是产品设计者应该不断追求的目标;另一方面,准确的进行故障诊断,提前发现隐含的故障位置、类型、状态,并根据历史数据预测可能的发展情况,尽可能在造成故障影响之前采取合理措施。机器设备维修作为一种有效的方式,在一定程度上可以保证机器设备具有持续的高可靠性。但这种单纯依靠维修方式来提高设备的可靠性,在实际中常常会面临好设备误修、坏设备漏修、影响原装备寿命等情况的出现,也会增加维修成本。因此如何对设备当前的可靠度进行评估,间接地知道设备的剩余寿命,已成为目前设备状态监测的研究热点之一。
目前,由于存在技术上的问题,动态可靠性评估还没有在工程系统得到广泛应用。首先,传统的可靠性评估技术研究通常以一类产品为对象,通过对产品样本做统计分析来推断产品总体的寿命,而无法实现单个特定的设备或系统的可靠性评估;其次,现有方法都是利用同一工况下的性能退化数据进行评估,而没有考虑到实际运行中工况很难保持唯一,而且这种同一工况的处理方法大大降低了对加速退化实验数据的利用;现阶段的评估方法也没有考虑到设备运行时实时监测的性能退化量变化对单个设备实时可靠性的影响。因此从理论上来说考虑工况变化的动态可靠性评估是实现寿命预测技术工程化的一种有效的方案。
目前,国内外在此领域的研究尚处在起步阶段,还有许多实际应用问题亟待解决。因此,开展变工况下实时寿命评估技术相关问题研究是完全必要的,在此方面的任何理论和方法上的成果都具有很好的理论和实际应用意义。
发明内容
本发明的目的是为了解决在锂离子电池进行动态可靠性评估时,现有方法评估效果差且依赖于历史数据的问题,提出一种基于多项式拟合和寿命分布的锂离子电池动态可靠性评估方法。
本发明是一种基于多项式拟合和寿命分布的锂离子电池动态可靠性评估方法,具体包括以下步骤:
步骤一、获取工况折合因子,得到工况折合因子关于虚拟失效阈值的函数关系;
步骤二、产品标准退化轨迹拟合,利用多个全寿命退化样本的性能退化数据,采用多项式拟合的方法拟合得到产品的标准退化轨迹;
步骤三、状态偏移量获取,利用步骤二得到的标准退化轨迹和实时监测得到的性能退化数据,获取产品当前时刻的状态偏移量;
步骤四、状态偏移量归一化,选择指数归一化函数,根据同类产品在各时刻的可靠度和状态偏移量,确定归一化函数中的参数c的取值,根据得到的归一化函数,将状态偏移量归一化,得到状态偏移度;
步骤五、动态可靠性评估,根据产品的总体初始失效分布函数,可得到产品各时刻的总体可靠度。利用步骤三得到的状态偏移量对总体可靠度进行修正,最终得到产品各时刻的动态实时可靠度。
本发明的优点与积极效果在于:
(1)充分利用了同类产品信息和待评估产品的实时监测信息,实现了对锂离子电池进行动态可靠性评估,评估效果显著;
(2)借鉴了加速寿命试验的相关概念和方法,提出了一种新的工况因子计算方法;
(3)不需要对性能退化量的分布进行假设,有较广泛的适用性;
(4)与现有的可靠性评估方法相比,本发明方法显著提高了通用性和精度。
附图说明
图1是本发明的方法流程图;
图2是本发明的紧缩失效阈值;
图3是本发明的性能退化数据进行归一化流程图;
图4是本发明的实时可靠性评估流程。
具体实施方式
下面将结合附图和实施例对本发明作进一步的详细说明。
本发明是一种基于多项式拟合和寿命分布的锂离子电池动态可靠性评估方法,总体流程图如图1所示,具体包括以下步骤:
步骤一、获取工况折合因子,得到工况折合因子关于虚拟失效阈值的函数关系;
根据锂离子电池的历史退化数据与实时监测数据,确定基准工况,引入虚拟失效阈值和虚拟可靠度,将性能退化特征量作为虚拟失效阈值。将两种工况下,各虚拟失效阈值对应的时间作为其虚拟失效时间,估计相应的虚拟可靠度分布,根据不同工况下相同虚拟失效阈值对应的虚拟可靠度相等,得到各虚拟失效阈值对应的工况折合因子。用多项式拟合的方法得到工况折合因子关于虚拟失效阈值(即性能退化特征量)的函数关系。
为得到工况折合因子关于性能退化特征量的函数关系,本发明主要遵循以下三个假设前提:
(1)对于产品而言,工况的改变只是改变了产品的退化速率,而不影响产品的失效机理。因此,假设在不同工况下,产品的失效机理不变;
(2)产品的寿命分布一般只与产品的类型有关,而与运行的工况以及失效阈值的大小无关,如电子产品服从指数分布,轴承服从两参数威布尔分布等。因此,假设在不同工况不同失效阈值下,产品寿命服从相同分布族;
(3)根据Nelson假设,产品的剩余寿命仅依赖于已累积的失效和所属的工况,而与累积方式无关。
由退化失效的定义,退化轨道首次达到失效阈值的时间为失效时间,因此失效时间与失效阈值密切相关,不同的失效阈值意味着对产品功能要求的不同。设D0为产品在额定工作应力下的失效阈值,对于单调递减型产品,失效阈值越大,意味着对产品功能要求越高,于是产品越容易发生因不满足该功能要求而导致的失效,寿命越短,若假设产品在D2和D1时失效,D2>D1>D0,则称D2和D1为紧缩失效阈值,如图2所示。
从物理意义上讲,失效阈值和紧缩失效阈值都是产品的性能退化量。将这一概念进一步引申到虚拟失效阈值的概念,即将产品在性能退化过程中的性能退化量看成是虚拟失效阈值,因此对每一产品的每一虚拟失效阈值都可以得到相应的虚拟失效时间。根据多个产品在同一虚拟失效阈值下的虚拟失效时间,可以计算出产品在该虚拟失效阈值下的虚拟可靠度函数。
在加速寿命试验环境折合系数的计算中,数据折合的准则是可靠度不变,即在某一环境下某一时刻的可靠度应该与另一环境下折合后对应时刻的可靠度一致。将其进一步引申,得到本发明中工况折合因子的计算准则:对于相同的虚拟失效阈值,产品在某一工况下某一时刻的虚拟可靠度应该与另一工况下折合后对应时刻的虚拟可靠度一致。假设产品的虚拟失效阈值为Lk,在工况一和工况二下的虚拟可靠度函数分别为R1(t)和R2(t),其中可靠度函数形式相同,基于上述假设可已得到产品在虚拟失效阈值Ln下工况一对工况二的工况折合因子:
即在工况一下性能退化量达到Ln所需的时间t1,相当于在工况二中运行了时间t2=kt1。由上式可知,想要获得性能退化量Ln对应的工况折合因子k,需要已知两个工况下虚拟可靠度函数的参数。
下面以指数分布为例对工况折合因子计算方法进行,若某一产品在标准工况(工况一)下对应虚拟失效阈值Ln的虚拟失效分布服从指数分布,分布参数为μ1。μ1的值可利用在工况一中运行得到的试验样本数据采用参数估计的方法估计得到。因此可以得到工况一下对应虚拟失效阈值Ln的虚拟可靠度函数为:
由假设(2)在不同环境下,产品寿命服从相同分布族,产品在工况二下对应虚拟失效阈值Ln的虚拟失效分布也服从指数分布。利用在工况二中运行得到的样本试验样本数据,可以估计得到工况二中的虚拟失效分布的参数μ2。则工况二下对应虚拟失效阈值Ln的虚拟可靠度函数为:
由R1(t1)=R2(t2)可得,在性能退化量Ln(即虚拟失效阈值)下工况二对应工况一的工况折合因子为:
通过上述方法可计算得到一系列的(Li,ki),i=1,2,…。采用回归分析的方法就可建立工况二对应工况一的工况折合因子与性能退化量的函数关系k=f(L),其中L是性能退化量,k为对应的工况折合因子,从而可以对性能退化数据进行归一化,归一化过程如图3所示。
本发明将每一个监测得到的性能退化量看做是其虚拟失效阈值,因此,性能退化量和虚拟失效阈值表示的是一个。
产品在运行过程中经历了两个工况,设定产品当前的运行工况为工况一,工况切换之前的运行工况为工况二。选定能够表征产品性能退化的性能退化特征量,并对其进行实时监测,得到产品的性能退化数据{(L1,t1),(L2,t2),…,(Lm,tm)},ti表示产品第i个监测时刻,Li表示产品在ti时刻监测得到的性能退化特征量的值。由于产品前后工况不一致,因此,根据运行时的工况不同,性能退化数据可以分为两组,工况二时的性能退化数据{(L1,t1),(L2,t2),…,(Ln,tn)}和工况一时的性能退化数据{(Ln+1,tn+1),(Ln+2,tn+2),…,(Lm,tm)}。为了下一步的寿命预测,需要将性能退化数据归一化到工况一中,具体分为以下三步:
(1)将工况二中监测得到的性能退化特征量{L1,L2,…,Ln},输入到前期利用历史数据训练得到的工况折合因子计算模型k=f(L)中,得到性能退化特征量{L1,L2,…,Ln},对应的工况折合因子{k1,k2,…,kn}。
(2)利用公式t工况一=k×t工况二,由工况折合因子{k1,k2,…,kn}和实际运行时间{t1,t2,…,tn},可以得到折合后相当于在工况一中运行的时间{t′1,t′2,…,t′n}。
(3)对于产品在工况一中的监测得到实际运行时刻而言,可以分为两部分,包含了工况切换前在工况二中运行的时间和工况切换后在工况一中运行的时间。因此也应对它进行修正,修正公式为
t′i=ti-tn+t′n
其中:ti为第i个实际监测时刻,tn工况切换的实际时间,t′n为tn经过工况折合因子修正之后的运行时间,t′i为修正后的监测时刻,i=n+1,n+2,…,m。
至此,最终得到了归一化之后的工况一下的性能退化数据{(L1,t′1),(L2,t′2),…,(Lm,t′m)},就可以对产品的进行动态可靠性评估。
步骤二、产品标准退化轨迹拟合,利用多个全寿命退化样本的性能退化数据,采用多项式拟合的方法拟合得到产品的标准退化轨迹,其函数表达式为:
其中,y为性能退化量,t为性能退化量y对应的监测时刻,n为多项式的阶数,ai为i次项的系数。
步骤三、状态偏移量获取,利用步骤二得到的标准退化轨迹和实时监测得到的性能退化数据,获取产品当前时刻的状态偏移量。
设当前时刻监测得到的性能退化数据为(y0,t0)由当前监测时刻t0和步骤二得到的标准退化轨迹函数得到标准性能退化量的值y′0,状态偏移量计算公式为:
o=|y0-y′0|
步骤四、状态偏移量归一化,选择指数归一化函数,根据同类产品在各时刻的可靠度和状态偏移量,确定归一化函数中的参数c的取值,根据得到的归一化函数,将状态偏移量归一化,得到状态偏移度。
为将状态偏移量归一化得到状态偏移度,因此需要选用合适的归一化函数,本发明选用指数归一化函数。
为确定归一化函数中的参数c的取值,可根据样本数据的实时可靠度和状态偏移量确定,以一条样本数据为例,具体步骤如下:
(1)获取样本状态偏移量
将该实验样本各时刻的状态运行特征值{(y1,t1),(y2,t2),…,(yn,tn)}按照步骤三中的方法得到相应的状态偏移量{o1,o2,…,on}。
(2)获取样本实时可靠度
以锂离子电池为例,锂离子电池的失效服从指数分布,其可靠度函数为:
R(t)=exp{-λt}
对于每一个样本,要得到样本的实时可靠度,应先更新样本的失效分布函数。本发明根据样本的实际失效时间,确定样本失效分布的参数λ,计算公式如下:
其中,T为样本实际失效时间。
最终,根据样本更新后的失效分布函数就可得到样本各时刻的实时可靠度{R1,R2,…,Rn}。
(3)获取状态偏移度
根据总体失效分布函数,计算在各时刻的总体可靠度{R01,R02,…,R0n}以及总体的平均失效时间T0。比较样本失效时间T与总体平均失效时间T0的大小,若T>T0,则状态偏移度ai=(1-Ri)/(1-R0i);若T<T0,则状态偏移度ai=Ri/R0i。
(4)归一化函数拟合
运用样本的状态偏移量{o1,o2,…,on}和状态偏移度{a1,a2,…,an}就可对归一化函数进行拟合,得到函数参数c的值。
对于每一条样本数据,都可以根据上述步骤得到相应的归一化函数的参数c,对这些c的值做平均,平均值可作为归一化函数的参数c的值。
步骤五、动态可靠性评估,根据产品的总体初始失效分布函数,可得到产品各时刻的总体可靠度。利用步骤三得到的状态偏移量对总体可靠度进行修正,最终得到产品各时刻的动态实时可靠度。
利用步骤二得到的标准退化轨迹函数和步骤四得到的归一化函数,就可对设备的可靠度进行实时评估。评估流程如图4所示:
首先,将该被监测产品的状态运行特征值(y,t)按照步骤三中的方法得到相应的状态偏移量o,然后将状态偏移量归一化得到设备当前时刻的状态偏移度a。最后,比较设备特征量y与该时刻样本的特征量均值y′,若y>y′,则实时可靠度R=1-a×(1-R0)(R0为该时刻总体可靠度);若y<y′,则实时可靠度R=a×R0。至此,最终得到锂离子电池各时刻的实时可靠度,完成了对锂离子电池的动态可靠性评估,并可根据得到的动态可靠性评估结果,进一步对锂离子电池的剩余寿命进行预测。
实施例:
本实例采用NASA的锂离子电池电容量数据,利用本发明的方法进行动态可靠性评估,具体步骤如下:
步骤一、获取工况折合因子,得到工况折合因子关于虚拟失效阈值的函数关系,并对实时监测数据进行归一化。
根据24℃下运行的4组锂离子电池和43℃下运行的3组锂离子电池的电容量数据,采用三次多项式函数进行工况折合因子关于电容量(即虚拟失效阈值)的函数建模,得到工况折合因子关于虚拟失效阈值的函数为:
k=f(L)=(-0.1349×L3+0.7187×L2-1.276×L+0.7551)×105
根据步骤一中的方法可以得到归一化后的性能退化数据如表1所示:
表1性能退化数据
循环次数 | 电容量 | 循环次数 | 电容量 | 循环次数 | 电容量 | 循环次数 | 电容量 | 循环次数 | 电容量 |
3 | 1.7924 | 11 | 1.7835 | 19 | 1.7797 | 27 | 1.7808 | 35 | 1.7331 |
4 | 1.7964 | 12 | 1.7864 | 20 | 1.7841 | 28 | 1.7784 | 36 | 1.7395 |
5 | 1.7927 | 13 | 1.786 | 21 | 1.7833 | 29 | 1.779 | 37 | 1.7378 |
6 | 1.7813 | 14 | 1.777 | 22 | 1.7796 | 30 | 1.7792 | 38 | 1.73 |
7 | 1.7623 | 15 | 1.7814 | 23 | 1.7817 | 31 | 1.7779 | 39 | 1.729 |
8 | 1.7419 | 16 | 1.7859 | 24 | 1.7776 | 32 | 1.7792 | 40 | 1.7286 |
9 | 1.7797 | 17 | 1.7852 | 25 | 1.7777 | 33 | 1.7761 | ||
10 | 1.7816 | 18 | 1.7836 | 26 | 1.779 | 34 | 1.7751 |
步骤二、产品标准退化轨迹拟合。
采用24℃下运行的4组锂离子电池作为样本数据,利用matlab中的polyfit()函数进行3次多项式函数拟合,得到锂离子电池标准退化轨迹为:
y=f(t)=-9.5×10-6×t3+4.2×10-4t2-6.3×10-3t+1.8245
步骤三、利用步骤二得到的标准退化轨迹和表1中的数据,获取产品当前时刻的状态偏移量,如表2所示。
表2状态偏移量
循环次数 | 偏移量 | 循环次数 | 偏移量 | 循环次数 | 偏移量 | 循环次数 | 偏移量 | 循环次数 | 偏移量 |
3 | 0.0167775 | 11 | 0.01038 | 19 | 0.0127926 | 27 | 0.004952 | 35 | 0.0183211 |
4 | 0.0091076 | 12 | 0.007144 | 20 | 0.0077446 | 28 | 0.007158 | 36 | 0.0369311 |
5 | 0.0097539 | 13 | 0.0073684 | 21 | 0.0076012 | 29 | 0.0131151 | 37 | 0.0486478 |
6 | 0.0186594 | 14 | 0.0162962 | 22 | 0.0100055 | 30 | 0.0194803 | 38 | 0.0555284 |
7 | 0.035667 | 15 | 0.0118705 | 23 | 0.0062004 | 31 | 0.0252105 | 39 | 0.0705297 |
8 | 0.0545198 | 16 | 0.0073342 | 24 | 0.0081291 | 32 | 0.0344628 | 40 | 0.0875088 |
9 | 0.0155609 | 17 | 0.0079305 | 25 | 0.0053346 | 33 | 0.040294 | ||
10 | 0.0128333 | 18 | 0.0093022 | 26 | 0.0007599 | 34 | 0.0492611 |
步骤四、通过样本电池的性能退化数据根据上述方法可以得到指数归一化函数参数C的值为-2.0219,即归一化函数为
a=e-2.0219o
其中O为步骤三得到的状态偏移量,a为归一化后的状态偏移度,根据这一公式,可以对步骤三得到的状态偏移量进行归一化,结果如表3所示。
表3状态偏移量进行归一化结果
循环次数 | 偏移度 | 循环次数 | 偏移度 | 循环次数 | 偏移度 | 循环次数 | 偏移度 | 循环次数 | 偏移度 |
3 | 0.9331929 | 11 | 0.9963729 | 19 | 0.9053766 | 27 | 0.9369093 | 35 | 0.9958852 |
4 | 0.8286607 | 12 | 0.9714595 | 20 | 0.9766419 | 28 | 0.9086414 | 36 | 0.9930913 |
5 | 0.9244468 | 13 | 0.9588677 | 21 | 0.9968911 | 29 | 0.8922034 | 37 | 0.9734582 |
6 | 0.9519802 | 14 | 0.9494582 | 22 | 0.9026149 | 30 | 0.8917346 | 38 | 0.9916616 |
7 | 0.9798825 | 15 | 0.9550527 | 23 | 0.9643905 | 31 | 0.9228097 | 39 | 0.9752428 |
8 | 0.9309693 | 16 | 0.9557707 | 24 | 0.9315247 | 32 | 0.8917346 | 40 | 0.9625534 |
9 | 0.9053766 | 17 | 0.9424268 | 25 | 0.9286015 | 33 | 0.9776915 | ||
10 | 0.9612577 | 18 | 0.9930293 | 26 | 0.8922034 | 34 | 0.9891425 |
步骤五、根据步骤二得到的标准退化轨迹和步骤四得到的状态偏移度,就可进行动态可靠性评估,最终得到的动态可靠性评估结果如表4所示:
表4动态可靠性评估结果
循环次数 | 可靠度 | 循环次数 | 可靠度 | 循环次数 | 可靠度 | 循环次数 | 可靠度 | 循环次数 | 可靠度 |
3 | 0.9088847 | 11 | 0.6872519 | 19 | 0.5669478 | 27 | 0.4347319 | 35 | 0.3044808 |
4 | 0.8939167 | 12 | 0.6726319 | 20 | 0.5157075 | 28 | 0.4396524 | 36 | 0.2963481 |
5 | 0.8545155 | 13 | 0.6554717 | 21 | 0.4887469 | 29 | 0.4382757 | 37 | 0.3007072 |
6 | 0.8231762 | 14 | 0.6383728 | 22 | 0.5222925 | 30 | 0.4274505 | 38 | 0.2782278 |
7 | 0.7911316 | 15 | 0.616335 | 23 | 0.4743136 | 31 | 0.396378 | 39 | 0.2812422 |
8 | 0.7768959 | 16 | 0.5967953 | 24 | 0.4779622 | 32 | 0.4063204 | 40 | 0.2820716 |
9 | 0.7598527 | 17 | 0.5840812 | 25 | 0.4658575 | 33 | 0.3380921 | ||
10 | 0.721252 | 18 | 0.5430713 | 26 | 0.4740345 | 34 | 0.3195837 |
Claims (1)
1.一种基于多项式拟合和寿命分布的锂离子电池动态可靠性评估方法,具体包括以下步骤:
步骤一、获取工况折合因子,得到工况折合因子关于虚拟失效阈值的函数关系;
虚拟失效阈值的虚拟失效分布服从指数分布,具体为:
若锂离子电池在标准工况下对应虚拟失效阈值Ln的虚拟失效分布服从指数分布,分布参数为μ1,虚拟失效阈值Ln即为当性能退化量达到某一值Ln时假设电池失效,标准工况即为工况一,μ1根据在工况一中运行得到的试验样本数据采用参数估计的方法估计得到,得到工况一下对应虚拟失效阈值Ln的虚拟可靠度函数为:
其中,t1表示工况一下性能退化量达到Ln所需的时间;
锂离子电池在工况二下对应虚拟失效阈值Ln的虚拟失效分布也服从指数分布,分布参数为μ2,μ2根据在工况二中运行得到的试验样本数据采用参数估计的方法估计得到,则工况二下对应虚拟失效阈值Ln的虚拟可靠度函数为:
其中,t2表示工况二下性能退化量达到Ln所需的时间;
由R1(t1)=R2(t2)可得,在虚拟失效阈值Ln下工况二对应工况一的工况折合因子为:
通过上述公式,获取工况折合因子与虚拟失效阈值的对应关系,即(Li,ki),Li表示第i种虚拟失效阈值,ki表示Li的工况折合因子,i=1,2,…,采用回归分析的方法建立工况二对应工况一的工况折合因子与虚拟失效阈值的函数关系k=f(L),其中L是虚拟失效阈值,k为对应的工况折合因子;
锂离子电池在运行过程中经历了两个工况,设定锂离子电池当前的运行工况为标准工况即工况一,标准工况切换之前的运行工况为工况二,选定能够表征产品性能退化的性能退化特征量,并对其进行实时监测,得到产品的性能退化数据{(L1,t1),(L2,t2),…,(Lm,tm)},ti表示产品第i个监测时刻,Li表示产品在ti时刻监测得到的性能退化特征量的值,将每一个Li都看做是其虚拟失效阈值,由于产品前后工况不一致,因此,根据运行时的工况不同,性能退化数据分为两组,工况二时的性能退化数据{(L1,t1),(L2,t2),…,(Ln,tn)}和工况一时的性能退化数据{(Ln+1,tn+1),(Ln+2,tn+2),…,(Lm,tm)},将性能退化数据归一化到工况一中,具体分为以下三步:
(1)将工况二中监测得到的性能退化特征量{L1,L2,…,Ln},输入到k=f(L)中,得到性能退化特征量{L1,L2,…,Ln},对应的工况折合因子{k1,k2,…,kn};
(2)利用公式t工况一=k×t工况二,其中,t工况一表示工况一对应时间,k表示工况折合因子,t工况二工况二对应时间,由工况折合因子{k1,k2,…,kn}和实际运行时间{t1,t2,…,tn},可以得到折合后相当于在工况一中运行的时间{t′1,t′2,…,t′n};
(3)对于锂离子电池在工况一中的监测得到实际运行时刻,分为两部分,包含了工况切换前在工况二中运行的时间和工况切换后在工况一中运行的时间,因此对时间进行修正,修正公式为:
t′i=ti-tn+t′n
其中:ti为第i个实际监测时刻,tn工况切换的实际时间,t′n为tn经过工况折合因子修正之后的运行时间,t′i为修正后的监测时刻,i=n+1,n+2,…,m;
最终得到归一化之后的工况一下的性能退化数据{(L1,t′1),(L2,t′2),…,(Lm,t′m)};
步骤二、锂离子电池标准退化轨迹拟合,利用多个全寿命退化样本的性能退化数据,采用多项式拟合的方法拟合得到产品的标准退化轨迹,其函数表达式为:
其中,y为性能退化量,t为性能退化量y对应的监测时刻,n为多项式的阶数,ai为i次项的系数;
步骤三、状态偏移量获取,利用步骤二得到的标准退化轨迹和实时监测得到的性能退化数据,获取产品当前时刻的状态偏移量;
设当前时刻监测得到的性能退化数据为(y0,t0)由当前监测时刻t0和步骤二得到的标准退化轨迹函数得到标准性能退化量的值y′0,状态偏移量计算公式为:
o=|y0-y′0|
步骤四、状态偏移量归一化,选择指数归一化函数,根据同类产品在各时刻的可靠度和状态偏移量,确定归一化函数中的参数c的取值,根据得到的归一化函数,将状态偏移量归一化,得到状态偏移度;
针对每一条样本数据,其处理的具体步骤如下:
(1)获取样本状态偏移量
将该实验样本各时刻的状态运行特征值{(y1,t1),(y2,t2),…,(yn,tn)}按照步骤三中的方法得到相应的状态偏移量{o1,o2,…,on};
(2)获取样本实时可靠度
锂离子电池的失效服从指数分布,其可靠度函数为:
R(t)=exp{-λt}
根据样本的实际失效时间,确定样本失效分布的参数λ,计算公式如下:
其中,T为样本实际失效时间;
最终,根据样本更新后的失效分布函数,得到样本各时刻的实时可靠度{R1,R2,…,Rn};
(3)获取状态偏移度
根据总体失效分布函数,计算在各时刻的总体可靠度{R01,R02,…,R0n}以及总体的平均失效时间T0,比较样本失效时间T与总体平均失效时间T0的大小,若T>T0,则状态偏移度ai=(1-Ri)/(1-R0i);若T<T0,则状态偏移度ai=Ri/R0i;Ri是指样本在i时刻的实时可靠度;
(4)归一化函数拟合
运用样本的状态偏移量{o1,o2,…,on}和状态偏移度{a1,a2,…,an}对归一化函数进行拟合,得到函数参数c的值;
对于每一条样本数据,重复上述步骤,得到相应的归一化函数的参数c,对c值做平均,平均值作为归一化函数的参数c的值;
步骤五、动态可靠性评估,根据产品的总体初始失效分布函数,得到产品各时刻的总体可靠度,利用步骤三得到的状态偏移量对总体可靠度进行修正,最终得到产品各时刻的动态实时可靠度;
首先,将该被监测锂离子电池的状态运行特征值(y,t)按照步骤三中的方法得到相应的状态偏移量o,然后将状态偏移量归一化得到锂离子电池当前时刻的状态偏移度a,最后,比较设备特征量y与该时刻样本的特征量均值y′,若y>y′,则实时可靠度R=1-a×(1-R0),R0为该时刻总体可靠度;若y<y′,则实时可靠度R=a×R0,最终得到锂离子电池各时刻的实时可靠度,完成了对锂离子电池的动态可靠性评估。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310128348.4A CN103258115B (zh) | 2013-04-12 | 2013-04-12 | 基于多项式拟合和寿命分布的锂离子电池动态可靠性评估方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310128348.4A CN103258115B (zh) | 2013-04-12 | 2013-04-12 | 基于多项式拟合和寿命分布的锂离子电池动态可靠性评估方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103258115A CN103258115A (zh) | 2013-08-21 |
CN103258115B true CN103258115B (zh) | 2016-06-08 |
Family
ID=48962027
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310128348.4A Expired - Fee Related CN103258115B (zh) | 2013-04-12 | 2013-04-12 | 基于多项式拟合和寿命分布的锂离子电池动态可靠性评估方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103258115B (zh) |
Families Citing this family (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105426665B (zh) * | 2015-11-03 | 2018-07-17 | 中国船舶工业系统工程研究院 | 基于状态监测的动态可靠度确定方法 |
CN106295003B (zh) * | 2016-08-11 | 2020-02-07 | 北京航空航天大学 | 一种基于退化轨迹坐标重构和多元线性回归的锂电池寿命预测方法 |
CN106896326B (zh) * | 2017-03-08 | 2019-04-30 | 中国人民解放军91388部队 | 一种锂亚硫酰氯电池储存可靠性验证方法 |
CN108445398B (zh) * | 2018-02-07 | 2020-06-09 | 江苏大学 | 一种基于威布尔分布的串联电池组剩余寿命预测方法 |
CN109768340B (zh) * | 2018-12-05 | 2020-12-22 | 国联汽车动力电池研究院有限责任公司 | 一种电池放电过程电压不一致性估计方法及装置 |
CN110472275B (zh) * | 2019-07-03 | 2023-05-30 | 上海卫星工程研究所 | 飞轮产品不同工况下数据处理与寿命评估方法 |
CN112378651A (zh) * | 2020-12-08 | 2021-02-19 | 中国船舶工业系统工程研究院 | 一种基于数据驱动的设备动态可靠性评估方法 |
CN114580118B (zh) * | 2022-03-25 | 2023-12-15 | 兰州空间技术物理研究所 | 一种离子推力器寿命及可靠性定量评估方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006072670A (ja) * | 2004-09-01 | 2006-03-16 | Nippon Telegr & Teleph Corp <Ntt> | ソフトウェアの信頼性予測方法、そのプログラムを記録した記録媒体および装置 |
CN101038638A (zh) * | 2007-04-25 | 2007-09-19 | 上海发电设备成套设计研究院 | 一种发电机组自动控制系统电子元器件剩余寿命预测方法 |
CN101751501A (zh) * | 2009-12-17 | 2010-06-23 | 中国航天科技集团公司第五研究院第五一○研究所 | 一种空间辐射环境下砷化镓太阳能电池寿命预示方法 |
CN101894185A (zh) * | 2010-06-29 | 2010-11-24 | 北京航空航天大学 | 一种基于动态双极mpnn的小样本数据对象的寿命预测方法 |
CN102033182A (zh) * | 2010-12-10 | 2011-04-27 | 北京航空航天大学 | 一种固体钽电解电容器寿命预测方法 |
CN102353905A (zh) * | 2011-07-01 | 2012-02-15 | 曙鹏科技(深圳)有限公司 | 电池寿命的预测方法及检测电池寿命的装置 |
CN102682344A (zh) * | 2012-01-07 | 2012-09-19 | 河南科技大学 | 一种性能数据伴随的产品寿命及其可靠性预测方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070088584A1 (en) * | 2005-10-18 | 2007-04-19 | Aragones James K | Systems and methods for managing lifecycle costs of an asset inventory |
-
2013
- 2013-04-12 CN CN201310128348.4A patent/CN103258115B/zh not_active Expired - Fee Related
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006072670A (ja) * | 2004-09-01 | 2006-03-16 | Nippon Telegr & Teleph Corp <Ntt> | ソフトウェアの信頼性予測方法、そのプログラムを記録した記録媒体および装置 |
CN101038638A (zh) * | 2007-04-25 | 2007-09-19 | 上海发电设备成套设计研究院 | 一种发电机组自动控制系统电子元器件剩余寿命预测方法 |
CN101751501A (zh) * | 2009-12-17 | 2010-06-23 | 中国航天科技集团公司第五研究院第五一○研究所 | 一种空间辐射环境下砷化镓太阳能电池寿命预示方法 |
CN101894185A (zh) * | 2010-06-29 | 2010-11-24 | 北京航空航天大学 | 一种基于动态双极mpnn的小样本数据对象的寿命预测方法 |
CN102033182A (zh) * | 2010-12-10 | 2011-04-27 | 北京航空航天大学 | 一种固体钽电解电容器寿命预测方法 |
CN102353905A (zh) * | 2011-07-01 | 2012-02-15 | 曙鹏科技(深圳)有限公司 | 电池寿命的预测方法及检测电池寿命的装置 |
CN102682344A (zh) * | 2012-01-07 | 2012-09-19 | 河南科技大学 | 一种性能数据伴随的产品寿命及其可靠性预测方法 |
Non-Patent Citations (5)
Title |
---|
Liu zhenggao,et al.,.Discussion on reliability information management and sharing mechanism for space product.《2009 8th International Conference on Reliability, Maintainability and Safety》.2009,1345-1347. * |
Luan Jiahui,et al.,.Prediction interval on spacecraft telemetry data based on modified block bootstrap method.《Artificial Intelligence and Computational Intelligence》.2010,38-44. * |
Study on wind spectra identification of the WPR based on orthogonal polynomials fit;Lei Wu,et al.,;《2011 International Conference on Information Science and Technology (ICIST 2011)》;20110328;566-71 * |
刘强.基于失效物理的性能可靠性技术及应用研究.《中国博士学位论文全文数据库工程科技Ⅱ辑(月刊 )》.2012,(第7期),C028-4. * |
民航发动机性能可靠性评估与在翼寿命预测方法研究;任淑红;《中国博士学位论文全文数据库工程科技Ⅱ辑(月刊 )》;20120715(第7期);C031-25 * |
Also Published As
Publication number | Publication date |
---|---|
CN103258115A (zh) | 2013-08-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103258115B (zh) | 基于多项式拟合和寿命分布的锂离子电池动态可靠性评估方法 | |
Hu et al. | A particle filtering and kernel smoothing-based approach for new design component prognostics | |
CN102542155B (zh) | 基于加速退化数据的粒子滤波剩余寿命预测方法 | |
CN103793752B (zh) | 一种基于退化建模的设备失效次数预测方法 | |
CN101308385B (zh) | 基于二维动态核主元分析的非线性过程故障检测方法 | |
CN101799674B (zh) | 一种数控装备服役状态分析方法 | |
CN107766628A (zh) | 一种基于寿命信息融合的动态退化可靠性评估方法 | |
CN111046564A (zh) | 两阶段退化产品的剩余寿命预测方法 | |
CN102252843B (zh) | 一种滚动轴承性能变异的评估方法 | |
CN104595170A (zh) | 一种自适应核高斯混合模型的空压机监控诊断系统及方法 | |
CN103926536A (zh) | 基于dst和bmc技术的锂离子电池剩余使用寿命预测方法 | |
Wang et al. | Prognostics of Lithium-ion batteries based on state space modeling with heterogeneous noise variances | |
CN103678936B (zh) | 一种多部件工程系统中异常部件定位方法 | |
CN104537268A (zh) | 一种电池最大放电功率估算方法和装置 | |
CN107392352B (zh) | 一种基于融合极限学习机的电池未来温度预测方法及系统 | |
CN110795887A (zh) | 多应力加速寿命试验分析方法和装置 | |
CN105574587A (zh) | 一种塑料注塑过程的在线工况过程监控方法 | |
CN104569844A (zh) | 阀控密封式铅酸蓄电池健康状态监测方法 | |
Sreenuch et al. | Probabilistic Monte-Carlo method for modelling and prediction of electronics component life | |
CN107688687A (zh) | 一种考虑长程相关性和部件不确定性的寿命预测方法 | |
CN106934242B (zh) | 基于交叉熵法的多模式下设备的健康度评估方法及系统 | |
CN103885867B (zh) | 一种模拟电路性能的在线评价方法 | |
CN104156612B (zh) | 基于粒子滤波的正向与逆向预测误差的故障预报方法 | |
CN104008433A (zh) | 基于贝叶斯动态模型的中长期电力负荷预测方法 | |
CN105022921B (zh) | 结合模态区间算法的模糊系统可靠性设计方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20160608 Termination date: 20170412 |
|
CF01 | Termination of patent right due to non-payment of annual fee |