-
题名基于最优权阈值ELM算法的锂离子电池RUL预测
被引量：8
- 1
-
-
作者
刘柱
姜媛媛
罗慧
周利华
-
机构
安徽理工大学电气信息与工程学院
南京航空航天大学自动化学院
南京农业大学工学院
-
出处
《电源学报》
CSCD
北大核心
2018年第4期168-173,共6页
-
基金
国家自然科学基金资助项目(51604011)
安徽省自然科学基金资助项目(1708085QF135)
+1 种基金
安徽省高校自然科学研究资助项目(KJ2017A077)
安徽省高校优秀青年骨干人才国外访学研修资助项目(gxfx2017025)~~
-
文摘
针对锂离子电池剩余使用寿命RUL(remaining useful life)预测结果不准确及极限学习机ELM(extreme learning machine)权阈值随机选取等问题,提出利用ELM模型间接预测锂离子电池RUL的方法 ,并利用遗传蚂蚁算法GAAA(genetic algorithm ant algorithm)选取ELM的最优权值与阈值,建立基于等压降放电时间间接寿命特征参数的最优GAAA-ELM锂离子电池RUL预测模型。基于NASA锂离子电池数据集预测和评估锂离子电池的RUL,并与BP模型预测方法、ELM模型预测方法和GA-ELM模型预测方法相比较,结果表明该方法能够更准确有效地实现锂离子电池RUL预测。
-
关键词
极限学习机(ELM)
锂离子电池
遗传蚂蚁算法(gaaa)
-
Keywords
extreme learning machine（ELM）
lithium-ion battery
genetic algorithm-ant algorithm（~gaaa~
-
分类号
S237
[农业科学—农业机械化工程]
TP206.3
[自动化与计算机技术—检测技术与自动化装置]
-
-
题名一种估算锂电池SOC的新型方法
被引量：7
- 2
-
-
作者
邝利丹
邓清勇
李哲涛
-
机构
湘潭大学信息工程学院
-
出处
《计算机工程与应用》
CSCD
2013年第6期249-252,共4页
-
基金
第三批教育部"大学生创新性实验计划"项目(No.101053028)
湖南省教育厅项目(No.10C1278)
-
文摘
SOC(荷电状态)的预测和估算是锂电池管理系统中的一个重要部分。根据GAAA算法充分利用了遗传算法和蚁群算法各自的优势,提出一种GAAA算法优化BP神经网络的SOC估算方法。使用MATLAB进行编程,将锂电池的实时工作电流、电压、温度、健康度、安时积分值作为输入,实现对SOC的估算。实验结果表明,该算法在估算精确度和运算速度上都优于传统的BP神经网络和基于遗传算法的BP神经网络。
-
关键词
锂电池
电池管理系统
荷电状态
遗传-蚂蚁算法(gaaa)
反向传播(BP)神经网络
-
Keywords
lithium battery
battery management system
State Of Charge （SOC）
Genetic Algorithm-Ant Algorithm （gaaa）
Back Propagation（BP） neural network
-
分类号
TM912
[电气工程—电力电子与电力传动]
-
