科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对煤矿机器人锂电池的荷电状态(SOC)实时监控困难和安全管理问题，提出了一种基于数字孪生的煤矿机器人锂电池SOC估计模型.首先，搭建了基于数字孪生的煤矿机器人锂电池SOC估计模型；其次，将锂电池充电时的电压、电流作为数字孪生模型的模拟参数，利用遗传算法优化BP神经网络模型，建立并优化锂电池充电时的电压、电流与SOC之间的关系，实现对数字孪生模型的更新及煤矿机器人锂电池数字孪生模型的SOC估计；最后，对两种不同的锂电池进行SOC估计实验，同时对比传统BP神经网络与基于GA-BP的数字孪生模型实验结果，发现所提模型模拟得到的SOC估计值明显优于传统BP神经网络，实验结果误差小，表明了该方法的有效性，对于煤矿机器人锂电池的科学管理具有重要意义.
- 单位
