锂离子电池电化学模型参数识别的实时最优实验设计
系统与控制
2025-04-23 v1 机器学习
系统与控制
摘要
准确识别锂离子电池 (LiB) 电池单元的电化学模型参数是提升模型保真度和预测能力的关键任务。传统的参数识别方法通常需要大量数据收集实验，并且在动态环境中缺乏适应性。本文描述了一种基于强化学习 (RL) 的方法，动态调整锂离子电池单元所施加的电流剂量，以优化电化学模型的参数可识别性。该方法的框架在基于硬件-in-the-loop (HIL) 的设置中实现了实时运行，该设置作为评估 RL 基于实验设计策略的可靠测试平台。HIL 验证表明，基于 RL 的实验设计在降低验证测试中建模误差方面以及最小化用于参数识别的实验持续时间方面均优于传统用于参数识别的常规测试方案。
关键词
引用
@article{arxiv.2504.15578,
title = {Real-Time Optimal Design of Experiment for Parameter Identification of Li-Ion Cell Electrochemical Model},
author = {Ian Mikesell and Samuel Filgueira da Silva and Mehmet Fatih Ozkan and Faissal El Idrissi and Prashanth Ramesh and Marcello Canova},
journal= {arXiv preprint arXiv:2504.15578},
year = {2025}
}