基于加速鱼群算法的锂离子电池剩余寿命预测
针对极端学习机(ELM)方法在预测建模过程中因参数随机生成导致的结果不确定性,提出了一种加速鱼群算法(AAFSA)优化极端学习机的锂离子电池剩余寿命预测方法.针对基本人工鱼群算法(AFSA)存在的收敛速度慢、易陷入局部最优解,通过自适应确定感知距离和移动步长加快收敛速度,并在随机移动时增加混沌扰动提高种群多样性改善AFSA的寻优性能;利用AAFSA确定最优ELM隐含层参数,建立锂离子电池剩余寿命预测模型;利用NASA锂离子电池数据集验证,剩余寿命预测相对误差低于4%.与ELM相比预测结果更加稳定可靠,相比支持向量回归(SVR)及其改进方法预测精度有明显的提高,最高可提升近50%.
极端学习机、人工鱼群算法、数据驱动、剩余寿命预测、锂离子电池
43
TJ01;TM912(一般性问题)
陕西省教育厅专项科研计划项目;国防科技重点实验室基金项目;西安建筑科技大学自然科学专项项目
2022-04-02(万方平台首次上网日期,不代表论文的发表时间)
共7页
163-169