基于粒子群算法优化SVM在电池SOC估算中的应用

被引:6
作者
张凯
机构
[1] 山东能源枣矿集团蒋庄煤矿
关键词
电池SOC; 粒子群优化; SVM; 救生舱;
D O I
暂无
中图分类号
TP18 [人工智能理论];
学科分类号
140502 [人工智能];
摘要
为了实现井下救生舱动力电池SOC(State Of Charge)的估算,将支持向量机(SVM)的方法应用于电池SOC的估算中。为了得到合适的惩罚因子C和核函数K,利用粒子群算法来优化支持向量机;建立了支持向量机模型,对井下救生舱的电池剩余电量进行预测。实验结果表明:采用粒子群优化支持向量机的方法具有较高的准确度,有一定的实用价值。
引用
收藏
页码:154 / 155
页数:2
相关论文
共 3 条
[1]
基于SVM模型的煤炭运输自卸车维修成本回归分析 [J].
刘炳文 ;
王铁 ;
刘磊 .
矿山机械, 2014, 42 (10) :39-43
[2]
基于BP神经网络的电池SOC估算 [J].
史丽萍 ;
龚海霞 ;
李震 ;
刘敬敬 ;
翟福军 .
电源技术, 2013, 37 (09) :1539-1541
[3]
煤矿井下用蓄电池安全性能分析及其控制对策 [J].
王磊 ;
陈杰 ;
肖瑞玲 ;
吴兆宏 .
煤炭科学技术, 2009, 37 (08) :57-60