首页|IPOA-BP神经网络锂电池SOH估算

IPOA-BP神经网络锂电池SOH估算

IPOA-BP neural network SOH estimation of lithium batteries

扫码查看
原文链接
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 万方数据
为提高锂电池SOH的估算精度,搭建了一种基于改进鹈鹕优化算法(POA)结合反向传播(BP)神经网络的估算模型.通过NASA公开数据集,提取了多组与锂电池SOH相关的健康因子,并进行相关性分析,选取相关性较好的健康因子作为模型输入.通过改进后的POA算法对BP神经网络的权值和阈值进行寻优.将所提算法与BP神经网络、粒子群优化算法(PSO)结合BP神经网络、POA算法结合BP神经网络方法进行比较,仿真结果表明:所提方法的均方根误差更小,决定系数更高,具有更好的实际应用价值.

lithium-ion batterystate of healthimproved pelican optimization algorithmBP neural network

赵辉、朱文彬、岳有军、王红君

展开 >

天津理工大学 电气工程与自动化学院 天津市复杂系统控制理论及应用重点实验室, 天津 300384

锂离子电池 健康状态 改进鹈鹕优化算法 BP神经网络

天津市自然科学基金重点项目天津市教委重点基金

08JCZDJC186002006ZD32

2023

10.3969/j.issn.1674-8425(z).2023.10.029

重庆理工大学学报
重庆理工大学

重庆理工大学学报

CSTPCD北大核心
影响因子：0.567
ISSN：1674-8425
年,卷(期)：2023.37(19)
  • 11