本文選題：電池 + BP神經(jīng)網(wǎng)絡(luò)��； 參考：《電源技術(shù)》2017年11期

【摘要】：為了對電池電解液密度進(jìn)行預(yù)測,建立了BP神經(jīng)網(wǎng)絡(luò)模型,用電池充放電試驗數(shù)據(jù)對其進(jìn)行了訓(xùn)練和檢驗。利用訓(xùn)練后的神經(jīng)網(wǎng)絡(luò)模型進(jìn)行了電池電解液密度的預(yù)測,預(yù)測值與實測值的最大誤差值為0.020 9 g/cm3,均方根誤差值為0.004 0 g/cm3左右。結(jié)果表明,BP神經(jīng)網(wǎng)絡(luò)方法可以滿足預(yù)測精度要求,從而可用于建立電池剩余電量實時監(jiān)測系統(tǒng),降低電池維護(hù)工作量并延長電池的使用壽命。
[Abstract]:In order to predict the density of battery electrolyte, a BP neural network model was established and trained and tested with battery charge and discharge test data. Using the trained neural network model, the density of battery electrolyte is predicted. The maximum error between the predicted value and the measured value is 0.020 9 g / cm ~ 3, and the root mean square error is about 0.004 g/cm3. The results show that the BP neural network method can meet the requirement of prediction precision, and it can be used to establish the real-time monitoring system of battery residual quantity, reduce the battery maintenance workload and prolong the battery service life.
【作者單位】： 武漢船用電力推進(jìn)裝置研究所;
【分類號】：TM912

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 李亞輝;陳蕊娜;李晨輝;陳志雪;任建華;;注酸量與化成后電解液密度對應(yīng)關(guān)系的研究及探討[J];蓄電池;2013年02期

2 陸名彰;快速準(zhǔn)確地調(diào)整鉛酸蓄電池電解液密度的方法[J];煤礦機(jī)械;1990年Z1期

3 沈建國;常風(fēng)云;孟凡友;;鉛酸蓄電池電解液密度測量裝置的研究[J];海軍工程大學(xué)學(xué)報;2008年04期

4 何英,劉浩,李誠芳;顆粒二氧化硅對硫酸電解液性能的影響[J];電源技術(shù);1999年03期

5 劉珊珊;譚躍;邱赤東;殷悅;;基于超聲波的鉛酸蓄電池電解液密度測量方法的研究[J];中國儀器儀表;2007年01期

6 陳志雪;曹貴發(fā);席春青;劉s，

本文編號：1830350