10.3969/j.issn.1001-2222.2022.06.012
基于NARX神经网络的车用锂离子电池SOH时间序列预测
锂离子电池模型参数具有慢时变特性,因而准确预测锂离子电池健康状态(state of health,SOH)存在较大的难题.利用非线性自回归(Nonlinear AutoRegressive with eXogenous input,NARX)神经网络建立了SOH时间序列预测模型,通过重构技术将预测模型的一维输入时间序列重构成多维状态空间,并且采用重构后的时间序列数据对NARX神经网络对进行训练,然后利用训练后的NARX神经网络进行预测得到最终的SO H时间序列预测值;试验结果显示,预测模型比RBF神经网络的均方误差提高了近6个百分点,收敛速度提高了近30 s,表明了基于NARX的SO H时间序列预测模型的预测精度及响应速度都较好.
锂离子电池、健康状态、神经网络、预测
TM912.9
国家自然科学基金;江西省重点研发计划项目;江西省教育厅科学技术研究项目;江西省教育厅科学技术研究项目
2023-01-12(万方平台首次上网日期,不代表论文的发表时间)
共5页
71-75