10.16055/j.issn.1672-058X.2020.0002.006
基于PSO-RBF神经网络的锂电池SOC估算
针对电动汽车锂电池荷电状态(State Of Charge,SOC)的精准估算,提出一种优化的径向基(Radial Basis Function,RBF)神经网络算法;通过粒子群(Particle Swarm Optimization,PSO)算法优化RBF神经网络的参数及结构,确定RBF神经网络中的基函数的宽度以及中心;根据锂电池的充、放电机理,将SOC的影响因子电压(U)、电流(I)、内阻(R)、温度(T)作为输入向量,在Matlab中进行仿真实验;实验表明方法能够实现准确、快速、便捷的锂电池的SOC估算,其预测结果和实际测量结果的误差在4％以下,符合SOC预测误差5％的技术指标要求,对于电动汽车锂电池SOC的估算有着一定的实际应用意义.
锂电池、SOC、RBF、PSO
37
TM912
国家自然科学基金资助U1610120
2020-04-14（万方平台首次上网日期，不代表论文的发表时间）
共5页
37-41
