| BP神经网络预估锂离子电池SOC训练数据选择 |
| |
| 引用本文： | 封进.BP神经网络预估锂离子电池SOC训练数据选择[J].电源技术,2016(2):283-286. |
| |
| 作者姓名： | 封进 |
| |
| 作者单位： | 桂林航天工业学院汽车工程系,广西桂林541004;北京航空航天大学交通科学与工程学院,北京100191 |
| |
| 摘 要： | 采用BP神经网络对电动汽车用动力锂离子电池荷电状态(SOC)预估进行研究,分析了BP神经网络的模型原理及锂离子电池极化现象。对比采用恒流实验数据训练BP神经网络,提出改进BP神经网络训练数据选择方法,以适应变电流的实际循环中,锂离子电池因极化现象而产生的动态非线性,并进行了电池SOC值的预估。实验表明,采用改进训练数据训练的BP神经网络,在电流剧烈变化的实际工况环境下具有更高的SOC预估精度。
|
| 关 键 词： | BP神经网络 SOC预估 极化现象 训练数据 |
Training data selection of BP neural network for state-of-charge estimation of Li-ion battery |
| |
| Abstract: | |
| |
| Keywords: | BP neural network SOC estimation polarization training data |
| 本文献已被 CNKI 万方数据 等数据库收录！ |
|
