10.3969/j.issn.1000-1158.2019.04.24
基于BSA-RELM的纯电动汽车锂离子电池SOC估计
提出一种基于鸟群算法优化鲁棒极限学习机的锂离子电池荷电状态估计算法.鲁棒极限学习机克服了极限学习机不能处理异常值的缺点,提高了网络的预测准确率.利用鸟群算法优化鲁棒极限学习机的隐层节点数和调节因子等参数,解决隐层节点数和调节因子等参数难以确定的问题,可进一步提高网络的收敛速度,且利于寻找全局最优值.利用ADVISOR软件采集影响电池荷电状态的主要参数:电流、电压、温度和内阻等进行建模和测试.仿真结果表明,采用鸟群算法优化鲁棒极限学习机比BPNN、RBFNN和FNN的估计误差更小,具有更高的预测精度.
计量学、荷电状态、锂离子电池、纯电动汽车、鸟群算法、鲁棒极限学习机
40
TB971(计量学)
河北省自然科学基金F2016203006
2019-08-07(万方平台首次上网日期,不代表论文的发表时间)
共7页
693-699