期刊导航
期刊开放获取
上海教育软件发展有限公..
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
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
检索
高级检索
期刊导航
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：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于遗传算法改进后的反向传播神经网络的实车电池全时刻健康度预测
1
作者
孔德洋
丁晨扬
+2 位作者
刘佳欣
罗茶根
刘登程
《同济大学学报(自然科学版)》
北大核心
2025年第5期793-802,共10页
基于纯电动汽车实车数据,提出一种融合安时积分法与基于遗传算法改进的反向传播(GA-BP)神经网络的动力电池全时刻健康度(SOH)预测方法。首先采用安时积分法计算深度充电片段电池容量值,处理离群点、低频数据和温度因素造成的误差,经曲...
基于纯电动汽车实车数据,提出一种融合安时积分法与基于遗传算法改进的反向传播(GA-BP)神经网络的动力电池全时刻健康度(SOH)预测方法。首先采用安时积分法计算深度充电片段电池容量值,处理离群点、低频数据和温度因素造成的误差,经曲线拟合得到全部片段电池容量值,再通过平均滑动滤波和插值法计算全部数据采集时刻电池SOH。然后根据不同预测时刻前的某次充电是否符合深度充电片段特征分别训练不同的GA-BP神经网络模型。最终形成包含电池容量计算、充电片段判别及模型预测在内的电池全时刻SOH预测方法。基于3辆车的实车数据进行验证,结果表明该方法可使用实车数据对纯电动汽车全时刻电池SOH进行预测,保证精度的同时训练数据量需求较小。
展开更多
关键词
动力电池
健康度预测
机器学习
在线阅读
下载PDF
职称材料
题名
基于遗传算法改进后的反向传播神经网络的实车电池全时刻健康度预测
1
作者
孔德洋
丁晨扬
刘佳欣
罗茶根
刘登程
机构
同济大学
汽车
学院
南昌智能新能源汽车研究院技术项目部
出处
《同济大学学报(自然科学版)》
北大核心
2025年第5期793-802,共10页
基金
南昌智能新能源汽车研究院前瞻技术课题(17002380085)
江西省中央引导地方科技发展资金(2022ZDD03089)。
文摘
基于纯电动汽车实车数据,提出一种融合安时积分法与基于遗传算法改进的反向传播(GA-BP)神经网络的动力电池全时刻健康度(SOH)预测方法。首先采用安时积分法计算深度充电片段电池容量值,处理离群点、低频数据和温度因素造成的误差,经曲线拟合得到全部片段电池容量值,再通过平均滑动滤波和插值法计算全部数据采集时刻电池SOH。然后根据不同预测时刻前的某次充电是否符合深度充电片段特征分别训练不同的GA-BP神经网络模型。最终形成包含电池容量计算、充电片段判别及模型预测在内的电池全时刻SOH预测方法。基于3辆车的实车数据进行验证,结果表明该方法可使用实车数据对纯电动汽车全时刻电池SOH进行预测,保证精度的同时训练数据量需求较小。
关键词
动力电池
健康度预测
机器学习
Keywords
power battery
state of health(SOH)prediction
machine learning
分类号
U469.72 [机械工程—车辆工程]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于遗传算法改进后的反向传播神经网络的实车电池全时刻健康度预测
孔德洋
丁晨扬
刘佳欣
罗茶根
刘登程
《同济大学学报(自然科学版)》
北大核心
2025
0
在线阅读
下载PDF
职称材料
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
确定
用户登录
登录
IP登录
使用帮助
返回顶部
