10.3969/j.issn.1000-6753.2016.09.024
一种混合动力电动汽车电池荷电状态预测的新方法
针对混合动力电动汽车(HEV)电池荷电状态(SOC)预测问题,引入贝叶斯极限学习机(BELM)方法.对极限学习机和贝叶斯线性回归的基本原理进行详细介绍,为提高极限学习机的拟合和泛化能力,采用贝叶斯方法来优化极限学习机输出层的权重.在循环工况条件下选择电池的工作电压、工作电流和表面温度参数用来预测电池SOC的实时值,同时兼顾HEV再生制动时的能量回馈过程.高级车辆仿真软件ADVISOR下的仿真结果和实际实验结果均表明:所设计的预测模型具有较高的准确度,能够实时准确地预测出SOC值,实用性强且有效性高.
贝叶斯、极限学习机、混合动力电动汽车、荷电状态
31
TM912
国家自然科学基金51377074;江苏省优势学科建设工程项目苏政办发[2011]6号;江苏省自然科学基金青年基金BK20150246;江苏高校自然科学基金15KJB470004;江苏理工学院人才引进项目KYY15009
2016-07-13(万方平台首次上网日期,不代表论文的发表时间)
共8页
189-196