共 19 条
[1]
[2]
[3]
[4]
[5]
[6]
[7]
[8]
[9]
[10]
基于PSO-RBF神经网络的锂离子电池健康状态预测
被引：47
作者：
张任
胥芳
陈教料
潘国兵
机构：
[1] 浙江工业大学特种装备制造与先进加工技术教育部/浙江省重点实验室
来源：
基金：
浙江省自然科学基金;
关键词：
锂离子电池;
健康状况;
粒子群优先;
径向基函数;
D O I：
暂无
中图分类号：
TM912 [蓄电池];
TP183 [人工神经网络与计算];
学科分类号：
080802 [电力系统及其自动化];
140502 [人工智能];
摘要：
针对传统方法估计锂离子电池健康状态(SOH)时内部参数测量困难等问题,提出一种基于粒子群优化径向基函数神经网络的锂离子电池SOH预测方法。通过对锂离子等效模型的研究,结合充放电过程的实验数据,确定了影响锂离子电池SOH特性的几个关键参数。将试验数据输入仿真模型进行网络训练和校验。仿真证明,相比BP神经网络和普通RBF神经网络,该算法的预测精度可提高20%,节省66.7%以上的优化时间。
引用
收藏
页码：2975 / 2981
页数：7
相关论文