為提高鋰離子電池荷電狀態(tài)（SOC）預(yù)測精度,提出利用回溯搜索算法（BSA）優(yōu)化徑向基函數(shù)（RBF）神經(jīng)網(wǎng)絡(luò)的輸出權(quán)值與閾值的混合算法.通過對鋰電池模型中的目標(biāo)函數(shù)進(jìn)行優(yōu)化求解,并尋找最佳的目標(biāo)權(quán)值和閾值降低預(yù)測誤差,提高了RBF網(wǎng)絡(luò)模型的預(yù)測精度.為驗(yàn)證算法的有效性,搭建鋰離子電池的充放電實(shí)驗(yàn)平臺獲取數(shù)據(jù)并對網(wǎng)絡(luò)進(jìn)行驗(yàn)證,實(shí)驗(yàn)結(jié)果表明:混合算法相比標(biāo)準(zhǔn)RBF網(wǎng)絡(luò)算法具有更好的SOC預(yù)測精度,并將網(wǎng)絡(luò)輸出預(yù)測誤差降低到2%以內(nèi),符合鋰電池荷電狀態(tài)估算要求. 

【文章來源】：華中科技大學(xué)學(xué)報(bào)(自然科學(xué)版). 2019,47(12)北大核心EICSCD

【文章頁數(shù)】：6 頁

【參考文獻(xiàn)】：
期刊論文
[1]鋰離子電池特性建模與SOC估算算法的研究[J]. 凡旭國,周金治,高磊.  微型機(jī)與應(yīng)用. 2017(02)
[2]基于PSO-RBF混合算法鋰離子電池SOC估算[J]. 吳鐵洲,吳笑民,楊蒙蒙,熊金龍.  電源技術(shù). 2016(05)



本文編號：3165065