10.19799/j.cnki.2095-4239.2020.0285
基于AUKF-BP神经网络的锂电池SOC估算
电池荷电状态(SOC)的估算作为车载电池管理系统(BMS)的核心技术之一,其准确预估可以延长电池使用寿命,确保整车的正常行驶.本文以锂离子电池为研究对象,提出一种基于自适应无迹卡尔曼滤波(AUKF)和BP神经网络相结合的电池SOC估算方法.该方法通过采样策略自适应性提高了UKF的估算精度,并利用训练好的BP神经网络SOC输出值作为UKF的观测量.使用Arbin电池测试平台采集的不同温度下的混合工况和FUDS工况电池测试数据为基础,比较AUKF-BP算法和BP算法的准确性.结果表明,不同温度下的AUKF-BP算法的平均均值误差为0.82%,BP算法的平均均值误差为1.63%,基于AUKF-BP的SOC估计方法具有更高的鲁棒性和准确性.
锂离子电池、SOC估算、BP神经网络、AUKF
10
TM912.6
湖北省技术创新专项重大项目;"机电汽车"湖北省优势特色学科群开放基金;中央引导地方科技发展财政专项;湖北省自然科学基金青年项目
2021-01-12(万方平台首次上网日期,不代表论文的发表时间)
共5页
237-241