基于特征选择的锂离子电池寿命终点预测分段线性建模

锂离子电池退化的复杂性导致文献中提出了许多基于机器学习的健康预测方法。然而，机器学习可能计算密集。线性方法速度更快，但此前灵活性不足，难以成功预测。对于这两种技术，输入的选择与质量都是性能的制约因素。分段线性模型结合自动特征选择，提供了一种快速且灵活的替代方案，且不像机器学习那样计算密集。在此，将一种电池健康预测的分段线性方法与高斯过程回归工具进行比较，发现其性能相当。输入特征选择过程展示了限制输入间相关性的益处。进一步的试验发现，分段线性方法对输入规模变化和训练数据可用性的鲁棒性良好。