Méthodes de prognostic pour la surveillance de la santé des batteries utilisant un cadre bayésien

Cet article explore comment la durée de vie utile restante (RUL) peut être évaluée pour des systèmes complexes dont les variables d'état internes sont soit inaccessibles aux capteurs, soit difficiles à mesurer dans des conditions opérationnelles. En conséquence, des techniques d'inférence et d'estimation doivent être appliquées sur des mesures indirectes, des conditions opérationnelles anticipées et des données historiques pour lesquelles une approche statistique bayésienne est appropriée. Des modèles de processus électrochimiques sous la forme de paramètres de circuits électriques équivalents ont été combinés avec des modèles statistiques de transitions d'état, de processus de vieillissement et de fidélité de mesure dans un cadre formel. Les machines à vecteurs de pertinence (RVM) et plusieurs filtres de particules (PF) différents sont examinés pour la prédiction de la durée de vie restante et pour fournir des bornes d'incertitude. Les résultats sont présentés sur des données de batteries.