基于差分进化算法优化BP神经网络的
镍镉电池寿命预测
卢 顺
1
，李英顺
*1，2
（1.广西科技大学 电气与信息工程学院，广西 柳州 545006；2.大连理工大学 控制科学与工程学院，辽宁 大连 116024）
摘 要：镍镉电池组作为移动电源对于现代军民用品是必不可少的 . 为了能够有效的提高镍镉电池寿命的预测
精准度，在建立 BP 神经网络的电池寿命预测模型的基础上，运用差分进化算法（DE）优化 BP 神经网络连接的
初始权值与阈值 . 预测结果表明：该改进的预测模型有较高的预测精度，误差控制在 5% 以内，有效地提高了
BP 神经网络的收敛速度，符合现实中镍镉电池实际运行的特性，对提高电池寿命评估的时效性和精确性具有
重要的意义 .
关键词：镍镉电池；循环寿命预测；BP神经网络；差分进化算法
中图分类号：TM 912 DOI：10.16375/j.cnki.cn45-1395/t.2020.02.013
0 引言
镍镉电池在日常生活中作为移动电源，应用非常广泛 . 但电池引起的安全事故不少，导致的经济损
失非常巨大 . 如果能够通过采集到的历史数据，提前预测电池的寿命状态，就可以确定何时应该进行预
防性维护以及何时应该更换电池，避免带来损失 . 因此，对电池的寿命预测具有十分重要的现实意义和
经济价值
[1-4]
.
目前在电池的寿命预测研究方面，可以分为两类：基于数据驱动的方法和基于模型的方法
[5-6]
. 文献[7]
采用平均影响值（MIV）算法对 BP 神经网络模型的输入参数进行筛选，虽然提高了预测精度，但是收敛速
度较慢，网络的迭代次数较多，寿命预测效率减慢 .文献[8]运用的是基于行驶工况的磷酸铁锂电池寿命模
型研究，缺点是实验数据较少，误差较大 .
为了解决上述问题，对电池进行 500 次循环充放电测试，得到影响电池寿命的关键性能参数数据 . 电
池的 5个主要参数为：电池的容量、标称电压、内阻、放电终止电压和充电终止电压，通过对电池的健康
状态及失效机理进行分析，选择内阻、放电终止电压和充电终止电压作为 BP神经网络模型的输入，电池
的放电容量作为输出 . 并将差分进化算法运用到 BP 神经网络预测模型中，利用差分进化算法具有较强的
优化能力的优点，来改善 BP 神经网络连接权值与阈值随机产生的问题 . 并与其他相关的研究方法进行对
比分析，预测精度明显提高，迭代次数明显加快 .
1 电池循环寿命预测模型的建立
1.1 BP神经网络寿命预测模型
BP（Back Propagation）神经网络算法是一种多层前馈神经网络，其信号是正向传播，而误差是逆向传
播的 .BP 神经网络过程可以拆分为两部分：正向传播和误差的逆向传播 . 其中正向传播是从输入层经过隐
收稿日期：2019-11-23
基金项目：国家自然科学基金项目（71801196）；中国博士后科学基金项目（2018M631606）资助 .
*通信作者：李英顺，博士，教授，研究方向：故障诊断与健康管理，E-mail：leeys@dlut.edu.cn.
第 31卷 第 2期
2020年 6月
广 西 科 技 大 学 学 报
JOURNAL OF GUANGXI UNIVERSITY OF SCIENCE AND TECHNOLOGY
Vol.31 No.2
Jun. 2020
