10.3321/j.issn:1000-6753.2007.08.029
电动车蓄电池荷电状态估计的神经网络方法
针对电动车蓄电池电能容量判别问题,将神经网络方法应用于电动车蓄电池荷电状态估计.对多种神经网络方法的估计性能进行了分析,包括多层感知器网络、径向基函数网络、线性支持向量机、使用MLP核函数的支持向量机、使用RBF核函数的支持向量机.实验结果表明:神经网络经过训练后,可以通过蓄电池的工作电压、工作电流和表面温度参数估计蓄电池的SOC实时值,其中多层感知器和支持向量机估计性能最好,同时,支持向量机较多层感知器有更高的噪声容忍能力.
电动车、荷电状态、神经网络、支持向量机
22
TM912.6
2007-09-17(万方平台首次上网日期,不代表论文的发表时间)
共6页
155-160