Print

改进的动量项BP神经网络电池SOC估算

论文摘要

为提高动力电池的荷电状态(SOC)估算精度,延长使用寿命,利用BP神经网络思想,提出基于python编程的改进型自适应动量项BP神经网络算法。以额定容量为29 Ah的三元正极材料锂离子电池为实验对象,在电压、电流和温度的基础上,引入内阻和已放电量作为神经网络模型的输入项,并利用模型的实际输出值和期望值的误差均方差,动态调整每一步迭代过程中的动量项。与传统BP神经网络算法相比,改进后的算法收敛速度提升了80%,估算误差稳定在20%以内。

论文目录

  • 1 算法形式和原理
  •   1.1 BP神经网络原理
  •   1.2 BP神经网络算法
  •   1.3 动量项BP神经网络算法
  •   1.4 改进的动量项BP神经网络算法
  • 2 实验工况设计
  •   2.1 实验样本采集
  •   2.2 BP神经网络拓扑结构的建立
  • 3 算法验证
  • 4 结论

    • 文章来源

    类型: 期刊论文

    作者: 姚和友,张庭芳,黄菊花,曹铭

    关键词: 动量项,内阻,荷电状态,神经网络,锂离子电池

    来源: 电池 2019年04期

    年度: 2019

    分类: 工程科技Ⅱ辑

    专业: 电力工业

    单位: 南昌大学机电工程学院

    基金: 国家自然科学基金(51762034)

    分类号: TM912

    DOI: 10.19535/j.1001-1579.2019.04.010

    页码: 308-311

    总页数: 4

    文件大小: 202K

    下载量: 207

    相关论文文献

    本文来源: https://www.lunwen66.cn/article/5ed5e7e171444ef4c20c6828.html