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LS-SVM算法动力电池SOC估计方法的研究
被引量：
13
1
作者
于洋
纪世忠
魏克新
《电源技术》
CAS
CSCD
北大核心
2012年第3期349-351,370,共4页
提高电池荷电状态(SOC)估计的准确性对于电动汽车电池管理系统的研究至关重要。根据历史实验数据分析了电池电压、电流、放电总电量因素对电池的影响,利用最小二乘支持向量机具有非线性逼近能力强、收敛速度快、全局最优解的特性对电动...
提高电池荷电状态(SOC)估计的准确性对于电动汽车电池管理系统的研究至关重要。根据历史实验数据分析了电池电压、电流、放电总电量因素对电池的影响,利用最小二乘支持向量机具有非线性逼近能力强、收敛速度快、全局最优解的特性对电动汽车电池SOC值进行在线实时估计,与BP神经网络的预测结果进行比较。仿真及实验室测试结果表明,最小二乘支持向量机算法能更准确地逼近实际SOC值,该方法的最大估算误差降低到0.02,达到了动力汽车的应用要求。
展开更多
关键词
电动汽车
动力电池
荷电状态
最小二乘支持向量机
BP神经网络
在线阅读
下载PDF
职称材料
题名
基于LS-SVM算法动力电池SOC估计方法的研究
被引量：
13
1
作者
于洋
纪世忠
魏克新
机构
天津理工大学复杂工业系统控制理论及应用重点实验室
出处
《电源技术》
CAS
CSCD
北大核心
2012年第3期349-351,370,共4页
基金
国家自然科学基金(50977063)
国家"863"高技术研究发展计划项目(2008AA11A145)
天津市科技支撑重点项目(09ZCKFGX01800)
文摘
提高电池荷电状态(SOC)估计的准确性对于电动汽车电池管理系统的研究至关重要。根据历史实验数据分析了电池电压、电流、放电总电量因素对电池的影响,利用最小二乘支持向量机具有非线性逼近能力强、收敛速度快、全局最优解的特性对电动汽车电池SOC值进行在线实时估计,与BP神经网络的预测结果进行比较。仿真及实验室测试结果表明,最小二乘支持向量机算法能更准确地逼近实际SOC值,该方法的最大估算误差降低到0.02,达到了动力汽车的应用要求。
关键词
电动汽车
动力电池
荷电状态
最小二乘支持向量机
BP神经网络
Keywords
electric vehicle
power battery
state of charge
least squares support vector machine
BP neural network
分类号
TM911 [电气工程—电力电子与电力传动]
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LS-SVM算法动力电池SOC估计方法的研究
于洋
纪世忠
魏克新
《电源技术》
CAS
CSCD
北大核心
2012
13
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
