基于IPSO-Elman的锂电池剩余寿命预测

摘要：

针对传统埃尔曼(Elman)神经网络在预测过程中初始权值和阈值随机性选取,易陷入局部极小化问题,为提高锂电池剩余寿命的预测精度,提出一种基于自适应权重的改进粒子群(IPSO)-埃尔曼(Elman)神经网络预测锂电池剩余寿命的方法.针对锂电池测量数据中伴随的噪声,利用高斯去噪,削弱数据中的噪声影响,提取原始数据;再利用IPSO全局搜索的能力对Elman神经网络的初始参数进行优化;最后基于美国国家航空航天局(NASA)提供的锂电池测量数据,对提出的方法进行有效性验证,并与常规的BP,Elman算法进行对比.预测结果表明,IPSO-Elman预测误差在不同训练样本下都小于BP,Elman算法,表现出较强的适应能力.

关键词：锂电池、剩余寿命预测、IPSO-Elman、预测建模、高斯去噪、参数优化

所属期刊栏目：43

分类号：TN606-34;TM912(电子元件、组件)

资助基金：国家自然科学基金资助项目51767006

在线出版日期：2020-06-18（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：100-105