| 基于主成分分析与ILM-DGRBF网络的SOH估算 |
| |
| 引用本文： | 李亚飞,王泰华,张润雨,张家乐.基于主成分分析与ILM-DGRBF网络的SOH估算[J].电子测量技术,2023,46(17):30-36. |
| |
| 作者姓名： | 李亚飞 王泰华 张润雨 张家乐 |
| |
| 作者单位： | 河南理工大学电气工程与自动化学院 焦作 454003 |
| |
| 基金项目： | 国家自然科学基金(51974326)项目资助 |
| |
| 摘 要： | 针对锂离子电池健康状态(SOH)估算精度低的问题，提出一种基于主成分分析(PCA)与改进LM算法 双高斯核RBF(ILM DGRBF)神经网络的方法，实现了SOH的准确估算。首先，提取与锂离子电池容量衰退高度相关的健康因子(HI)，采用PCA方法进行降维处理，减少HI之间冗余度。其次，创建双高斯核RBF神经网络，利用改进LM算法实现网络参数在线学习，建立ILM DGRBF神经网络。再次，利用数据增强的电池测试数据训练ILM DGRBF实现SOH估算。验证表明，经PCA降维得到的主成分1能够有效地反应锂离子电池的老化趋势，可用于SOH的估算；与其他模型相比，所建ILM DGRBF模型具有更高的估算精度和更好的鲁棒性，估算结果的误差控制在15%以内。最后，基于该方法构建一种新的SOH智能估算系统，为电池安全管理提供参考依据。
|
| 关 键 词： | 锂离子电池 健康状态 主成分分析 RBF神经网络 高斯核函数 LM算法 |
SOH estimation based on principal component analysis and ILM DGRBF network |
| |
| Li Yafei,Wang Taihu,Zhang Runyu,Zhang Jiale.SOH estimation based on principal component analysis and ILM DGRBF network[J].Electronic Measurement Technology,2023,46(17):30-36. |
| |
| Authors: | Li Yafei Wang Taihu Zhang Runyu Zhang Jiale |
| |
| Abstract: | |
| |
| Keywords: | |
|
| 点击此处可从《电子测量技术》浏览原始摘要信息 |
|
点击此处可从《电子测量技术》下载全文 |
