期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到1篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
基于最优重构健康因子和RIME-SVR的锂电池健康状态估计研究
1
作者 杨东晓 王贺 +2 位作者 党宏宇 袁宇轩 和杰公 《电子测量与仪器学报》 北大核心 2025年第5期188-196,共9页
为提高锂电池健康状态(SOH)估计精度,提出一种基于最优重构健康因子和霜冰算法优化支持向量回归(RIME-SVR)相融合的估计方法。首先从锂电池充放电过程提取3个可测量健康因子,利用Pearson法分析验证其与SOH相关性;其次利用完备集合经验... 为提高锂电池健康状态(SOH)估计精度,提出一种基于最优重构健康因子和霜冰算法优化支持向量回归(RIME-SVR)相融合的估计方法。首先从锂电池充放电过程提取3个可测量健康因子,利用Pearson法分析验证其与SOH相关性;其次利用完备集合经验模态分解算法(CEEMDAN)对健康因子分解重构,通过实验验证法确定最优重构方式,有效降低数据噪声和容量回升现象对SOH估计干扰;最后搭建基于RIME算法优化的SVR估计模型。实验采用NASA电池退化数据,结果表明,相比于粒子群(PSO)和人工蜂群(ABC)优化算法,RIME优化SVR参数时表现出更快收敛速度和更强全局搜索能力,显著提升模型性能。此外,基于最优重构健康因子和RIME-SVR的锂电池SOH估计模型3项指标均优于对比实验中其他模型,具有更高的估计精度和拟合度。使用最优重构健康因子Dtv_1+Ti_1+Tdv_1作为输入,模型平均绝对误差(MAE)、均方根误差(RMSE)分别低于0.37和0.55、R~2高于0.92,表明所提方法具备良好的普适性和鲁棒性。 展开更多
关键词 锂电池健康状况 最优重构健康因子 霜冰优化算法 支持向量回归 CEEMDAN
在线阅读 下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
关于我们 | 版权声明 | 联系我们 | 帮助中心| 意见反馈
主办单位：上海市教育委员会
技术支持：重庆维普资讯有限公司
渝公网安备 50019002500403号
使用帮助 返回顶部