Print

改进PSO优化ELM预测锂离子电池剩余寿命

论文摘要

针对极限学习机在预测锂离子电池剩余寿命过程中的不稳定性,提出利用混合粒子群优化算法对极限学习机预测模型优化的方法。通过改进的粒子群优化算法对极限学习机的输入端进行寻优处理,不但能够使模型的预测精度有进一步提高,而且大大增加了锂离子电池单次剩余寿命预测结果的可信度。利用NASA PCoE公开的锂离子电池数据进行仿真实验并评估该模型的预测性能,然后与标准的极限学习机预测模型预测结果进行对比,统计结果表明该方法使预测误差控制在2%左右。

论文目录

  • 0 引 言
  • 1 极限学习机理论和PSO算法
  •   1.1 极限学习机
  •   1.2 粒子群优化算法
  • 2 改进粒子群算法优化极限学习机
  •   2.1 混合PSO优化算法
  •     1) 基于基因突变的PSO优化算法
  •     2) 基于杂交的PSO优化算法
  •     3) 混合粒子群算法的收敛性
  •   2.2 杂交PSO优化极限学习机
  • 3 仿真实验
  •   3.1 锂电池退化实验
  •   3.2 杂交PSO优化极限学习机预测锂电池剩余寿命
  •     1) 仿真预测
  •       （1） 数据预处理。
  •       （2） 设置模型参数。
  •       （3） 选择寻优对象和适应度函数。
  •       （4） 优化。
  •       （5） 获得最佳的ELM预测模型。
  •       （6） 预测并评估。
  •     2) 统计分析与对比
  • 4 结 论

    • 文章来源

    类型: 期刊论文

    作者: 丁阳征,贾建芳

    关键词: 锂离子电池,剩余寿命,稳定性,混合粒子群算法,极限学习机

    来源: 电子测量与仪器学报 2019年02期

    年度: 2019

    分类: 信息科技,工程科技Ⅱ辑

    专业: 电力工业,自动化技术

    单位: 中北大学电气与控制工程学院

    基金: 国家自然科学基金(61573250),山西省青年自然科学基金(201601D021075),山西省回国留学人员科研项目(2015-083)资助

    分类号: TP18;TM912

    DOI: 10.13382/j.jemi.B1801769

    页码: 72-79

    总页数: 8

    文件大小: 338K

    下载量: 394

    相关论文文献

    本文来源: https://www.lunwen66.cn/article/75adda53e6164af8216aed09.html