10.19620/j.cnki.1000-3703.20191038
基于主成分分析和改进支持向量机的锂离子电池健康状态预测
针对现有锂离子电池健康状态(SOH)预测方法预测精度不高,且预测准确率易受特征参数冗余或不足影响的问题,提出一种将主成分分析(PCA)算法与粒子群优化(PSO)支持向量回归(SVR)模型相结合的方法,首先提取多个可以反映电池性能退化状态的特征参数,然后应用PCA算法对特征参数进行降维处理,构建基于SVR的SOH预测模型,并使用PSO算法对SVR关键参数进行全局寻优,最后采用美国国家航空航天局电池数据集与现有的预测方法进行对比试验,结果表明,该方法具有较高的预测精度.
锂离子电池、健康状态、粒子群优化、主成分分析算法、支持向量回归
TM912
国家重点研发计划项目2017YFB0103800
2020-12-07(万方平台首次上网日期,不代表论文的发表时间)
共7页
21-27