| 基于DEPSO-RBF神经网络的锌银电池SOC估计 |
| |
| 引用本文： | 陈雷雨,岳瑞华,王华国,马清亮,王毅. 基于DEPSO-RBF神经网络的锌银电池SOC估计[J]. 计算机测量与控制, 2015, 23(9): 3225-3227, 3234 |
| |
| 作者姓名： | 陈雷雨 岳瑞华 王华国 马清亮 王毅 |
| |
| 作者单位： | 第二炮兵工程大学 控制工程系,西安 710025 ,第二炮兵工程大学 控制工程系,西安 710025 ,航天科工集团梅岭化工厂,贵州 遵义 563000,第二炮兵工程大学 控制工程系,西安 710025 ,航天科工集团梅岭化工厂,贵州 遵义 563000 |
| |
| 基金项目： | 国家自然科学基金资助(61203007)。 |
| |
| 摘 要： | 电池容量是判断电池性能状态的重要指标。针对锌银电池的荷电状态估计问题,利用电池放电过程中放电时间、放电电流和电池电压3个参数作为径向基神经网络的输入,电池荷电状态为输出,建立电池放电的径向基神经网络模型;为克服径向基神经网络收敛精度不高、易陷入局部极小值的缺点,采用差分进化算法和粒子群算法结合的混合算法优化RBF神经网络;MATLAB仿真结果表明,经过混合优化算法优化的径向基神经网络与仅使用粒子群优化的径向基神经网络相比,估计精度得到大大提高。
|
| 关 键 词： | 电池容量 径向基函数 神经网络 差分进化粒子群优化算法 |
| 收稿时间： | 2015-05-22 |
| 修稿时间： | 2015-06-29 |
Estimation for Silver-zinc Battery State of Charge Based on DEPSO-RBF Neural Network |
| |
| Chen Leiyu,Yue Ruihu,Wang Huaguo,Ma Qingliang and Wang Yi. Estimation for Silver-zinc Battery State of Charge Based on DEPSO-RBF Neural Network[J]. Computer Measurement & Control, 2015, 23(9): 3225-3227, 3234 |
| |
| Authors: | Chen Leiyu Yue Ruihu Wang Huaguo Ma Qingliang Wang Yi |
| |
| Abstract: | |
| |
| Keywords: | |
| 本文献已被 万方数据 等数据库收录！ |
| 点击此处可从《计算机测量与控制》浏览原始摘要信息 |
|
点击此处可从《计算机测量与控制》下载免费的PDF全文 |
|
