一种自主水下航行器电池荷电状态预测方法
知识产权简介
本发明公开了一种自主水下航行器(AUV)电池荷电状态预测方法，旨在解决AUV电池管理面临的特殊挑战。该方法综合考虑能量密度、耐压性、环境适应性、电池管理、热管理和电池寿命等多个因素，采用基于自适应立方Kalman滤波器和Kolmogorov-Arnold Networks (KAN)的混合算法。自适应立方Kalman滤波器用于处理电池系统的非线性特性，提高状态估计的准确性；KAN网络则用于学习和预测复杂的电池动态行为。本方法通过实时数据采集、多参数融合分析，实现了对AUV电池荷电状态的高精度预测，有效提升了AUV的续航能力和任务可靠性。该方法适用于各类AUV，对提高水下作业效率和安全性具有重要意义。
转化前景
本发明的有益效果为：通过结合ACKF和KAN网络，有效处理电池系统的非线性特性，提高了SOC预测的精度；考虑了水压和温度对电池性能的影响，使得预测模型能够适应AUV的特殊工作环境，提高了预测结果的可靠性；采用自适应滤波和动态参数调整策略，使得预测模型能够适应电池性能随时间和使用情况的变化，保证了长期预测的准确性；通过引入多种优化技术和考虑多种影响因素，增强了预测模型的鲁棒性，能够应对各种复杂工况；集成了SOC预测、SOH评估、多电池组管理、任务规划和故障诊断等功能，为AUV提供了全面的电池管理解决方案；通过准确的SOC预测和剩余能量估算，结合任务规划和故障检测功能，显著提高了AUV的运行安全性和可靠性；通过精确的SOC控制和均衡充放电策略，可有效延长电池的使用寿命，降低AUV的维护成本；基于准确的电池状态预测，可以优化AUV的任务规划和能量分配，提高任务完成效率。