10.16055/j.issn.1672-058X.2016.0005.002
基于AFSA-RBF神经网络的电动汽车动力电池SOC预测
传统的电池荷电状态(State of Charge,SOC)估计方法是基于精确的数学模型,它依赖于大量的建模假设和经验参数,故模型预测SOC精度是有限的;为了提高动力电池SOC预测的精度,提出利用人工鱼群算法(Artificial Fish Swarm Algorithm,AFSA)优化径向基神经网络(RBF)对SOC进行预测,解决了RBF网络参数选择的不确定性;仿真实验结果表明:方法能方便、快速、准确地实现对SOC的预测,且具有实际使用价值.
电动汽车电池、荷电状态SOC预测、径向基神经网络、人工鱼群算法
33
U467.3(汽车工程)
大学生创新创业训练计划201510363006
2016-11-28(万方平台首次上网日期,不代表论文的发表时间)
共5页
6-10