| 18650型锂电池荷电状态的估计 |
| |
| 引用本文： | 杨冬进,娄建安.18650型锂电池荷电状态的估计[J].计算机测量与控制,2018,26(4):268-271. |
| |
| 作者姓名： | 杨冬进 娄建安 |
| |
| 作者单位： | 军械工程学院 电工电子实验中心,军械工程学院 电工电子实验中心 |
| |
| 摘 要： | 锂电池状态的准确估计,能够延长电池的使用寿命和减少安全事故的发生。为提高BP神经网络估计锂电池荷电状态的精度,提出一种使遗传粒子群算法有目的性的优化BP神经网络初始权值的改进方法。该算法引入K均值算法优化遗传粒子群算法初始粒子分布的随机性带来的误差问题,寻找BP神经网络算法初始权值的权重分配与输出误差的关系,在遗传粒子群算法随机产生的粒子群中进行最优粒子群选优,以降低误差。通过对采集到的18650型锂电池的充放电数据和未改进遗传粒子群算法优化的BP神经网络训练产生的200组BP神经网络的初始权值数据的研究分析,得到具有锂电池特性的BP神经网络的初始权值特征公式。并用MATLAB和FPGA联合仿真验证了改进BP神经网络方法的可行性。该方法也优化了遗传粒子群算法,减小了初值不确定带来的误差。
|
| 关 键 词： | 锂电池 荷电状态 神经网络 k-均值 联合仿真 |
| 收稿时间： | 2017/8/11 0:00:00 |
| 修稿时间： | 2017/8/11 0:00:00 |
The SOC estimation of 18650 lithium battery |
| |
| LOU Jian-an.The SOC estimation of 18650 lithium battery[J].Computer Measurement & Control,2018,26(4):268-271. |
| |
| Authors: | LOU Jian-an |
| |
| Affiliation: | Electrical and electronic experiment center,Ordnance Engineering College,Shijiazhuang Hebei 050003 China,Electrical and electronic experiment center,Ordnance Engineering College,Shijiazhuang Hebei 050003 China |
| |
| Abstract: | |
| |
| Keywords: | Lithium battery SOC neural network K-means cosimulation |
|
| 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》下载全文 |
|
