论文摘要
随着锂离子电池在日常生活中的广泛应用,其寿命问题日益突出,并且在电池的循环过程中,影响其性能的因素很多,包括内部材料的损失以及外部环境的变化等,它们都会对电池的健康状态（state of health,SOH）产生影响,严重时可能会对人的生命财产造成损失,对其商业化的应用造成阻碍。因此,时刻掌握电池的SOH很有必要。针对SVM模型参数优化等问题,提出一种结合SVM和变异粒子群优化算法（variance particle swarm optimization,VPSO）的算法,将SVM参数作为VPSO的优化目标。实验表明:VPSO-SVM模型的预测准确性较高。
论文目录
文章来源
类型: 期刊论文
作者: 王宁,刘忆恩,江柯成,陈泽华
关键词: 锂离子电池,寿命预测,健康状态,变异粒子群优化算法
来源: 重庆理工大学学报(自然科学) 2019年11期
年度: 2019
分类: 工程科技Ⅱ辑,信息科技
专业: 电力工业,自动化技术
单位: 太原理工大学电气与动力工程学院,山西沃特海默新材料科技股份有限公司,东莞塔菲尔新能源科技有限公司,太原理工大学大数据学院
基金: 山西省重点研发计划重点资助项目(201603D112002)
分类号: TM912;TP18
页码: 173-177+230
总页数: 6
文件大小: 162K
下载量: 203
相关论文文献
标签：锂离子电池论文; 寿命预测论文; 健康状态论文; 变异粒子群优化算法论文;