重庆理工大学学报2023，Vol.37Issue(19) ：255-262.DOI:10.3969/j.issn.1674-8425(z).2023.10.029

IPOA-BP神经网络锂电池SOH估算

IPOA-BP neural network SOH estimation of lithium batteries

赵辉 朱文彬 岳有军 王红君
重庆理工大学学报2023，Vol.37Issue(19) ：255-262.DOI:10.3969/j.issn.1674-8425(z).2023.10.029
✕
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 万方数据

IPOA-BP神经网络锂电池SOH估算

IPOA-BP neural network SOH estimation of lithium batteries

赵辉 1朱文彬 1岳有军 1王红君1
扫码查看

作者信息

  • 1. 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
  • 折叠

摘要

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.

关键词

锂离子电池/健康状态/改进鹈鹕优化算法/BP神经网络

Key words

lithium-ion battery/state of health/improved pelican optimization algorithm/BP neural network

引用本文复制引用

基金项目

天津市自然科学基金重点项目(08JCZDJC18600)

天津市教委重点基金(2006ZD32)

出版年

2023
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
参考文献量11
段落导航相关论文