針對(duì)最小二乘支持向量機(jī)（LSSVM）用于預(yù)測(cè)礦用動(dòng)力電池荷電狀態(tài)（SOC）時(shí)正則化參數(shù)和核函數(shù)參數(shù)難以優(yōu)化選擇,灰狼優(yōu)化（GWO）算法在單獨(dú)求解約束優(yōu)化問題時(shí)出現(xiàn)早熟、穩(wěn)定性差、易陷入局部最優(yōu)等問題,在差分進(jìn)化灰狼優(yōu)化（DE-GWO）算法的基礎(chǔ)上,采用指數(shù)函數(shù)形式的非線性收斂因子對(duì)DEGWO算法進(jìn)行改進(jìn)。該非線性收斂因子在迭代過程前段衰減速率低,能更好地尋找全局最優(yōu)解,在迭代過程后段衰減速率高,能更精確地尋找局部最優(yōu)解,有效平衡全局搜索能力和局部搜索能力。實(shí)驗(yàn)結(jié)果表明,利用改進(jìn)DE-GWO算法優(yōu)化LSSVM參數(shù)后建立的礦用動(dòng)力電池SOC預(yù)測(cè)模型最大絕對(duì)誤差為3.7%,最大相對(duì)誤差為5.3%。 

【文章來源】：工礦自動(dòng)化. 2019,45(01)北大核心

【文章頁數(shù)】：6 頁

【文章目錄】：
0 引言
1 基于LSSVM的礦用動(dòng)力電池SOC預(yù)測(cè)模型
2 改進(jìn)DE-GWO算法
    2.1 GWO算法
    2.2 DE-GWO算法
    2.3 非線性收斂因子
3 算法性能測(cè)試
4 SOC預(yù)測(cè)實(shí)驗(yàn)
    4.1 樣本數(shù)據(jù)采集與處理
    4.2 實(shí)驗(yàn)結(jié)果分析
5 結(jié)語


【參考文獻(xiàn)】：
期刊論文
[1]一種基于混合策略的灰狼優(yōu)化算法[J]. 牛家彬,王輝.  齊齊哈爾大學(xué)學(xué)報(bào)(自然科學(xué)版). 2018(01)
[2]基于PSO優(yōu)化LSSVM模型的回采巷道頂?shù)装逡平款A(yù)測(cè)[J]. 呂鵬飛,陳學(xué)華.  安全與環(huán)境學(xué)報(bào). 2017(06)
[3]灰狼優(yōu)化與差分進(jìn)化的混合算法及函數(shù)優(yōu)化[J]. 張新明,涂強(qiáng),康強(qiáng),程金鳳.  計(jì)算機(jī)科學(xué). 2017(09)
[4]基于改進(jìn)灰狼算法的RBF神經(jīng)網(wǎng)絡(luò)研究[J]. 郭振洲,劉然,拱長青,趙亮.  微電子學(xué)與計(jì)算機(jī). 2017(07)
[5]一種基于差分進(jìn)化和灰狼算法的混合優(yōu)化算法[J]. 金星,邵珠超,王盛慧.  科學(xué)技術(shù)與工程. 2017(16)
[6]基于灰狼算法的改進(jìn)研究[J]. 郭振洲,劉然,拱長青,趙亮.  計(jì)算機(jī)應(yīng)用研究. 2017(12)
[7]混合動(dòng)力汽車電池內(nèi)部狀態(tài)預(yù)測(cè)的貝葉斯極限學(xué)習(xí)機(jī)方法[J]. 王琪,孫玉坤,倪福銀,陳泰洪,陳連玉,羅印升.  中國機(jī)械工程. 2016(22)
[8]基于收斂因子非線性動(dòng)態(tài)變化的灰狼優(yōu)化算法[J]. 羅佳,唐斌.  中國科技論文. 2016(17)
[9]基于差分進(jìn)化狼群算法的GNSS欺騙干擾檢測(cè)[J]. 孫閩紅,邵章義,秦源,閆云珍.  計(jì)算機(jī)工程. 2016(09)
[10]一種結(jié)合灰狼優(yōu)化和K-均值的混合聚類算法[J]. 楊紅光,劉建生.  江西理工大學(xué)學(xué)報(bào). 2015(05)

碩士論文
[1]基于LS-SVM的蓄電池荷電狀態(tài)監(jiān)測(cè)方法的研究與設(shè)計(jì)[D]. 童劉偉.廣西大學(xué) 2013



本文編號(hào)：3495239