基于IPSO-Elman的锂电池剩余寿命预测

作者：刘子英; 钱超^*; 朱琛磊

来源：现代电子技术, 2020, 43(12): 100-105.

DOI：10.16652/j.issn.1004-373x.2020.12.024

• 锂电池
• 剩余寿命预测
• IPSO-Elman
• 预测建模
• 高斯去噪
• 参数优化

针对传统埃尔曼(Elman)神经网络在预测过程中初始权值和阈值随机性选取,易陷入局部极小化问题,为提高锂电池剩余寿命的预测精度,提出一种基于自适应权重的改进粒子群(IPSO)-埃尔曼(Elman)神经网络预测锂电池剩余寿命的方法。针对锂电池测量数据中伴随的噪声,利用高斯去噪,削弱数据中的噪声影响,提取原始数据;再利用IPSO全局搜索的能力对Elman神经网络的初始参数进行优化;最后基于美国国家航空航天局(NASA)提供的锂电池测量数据,对提出的方法进行有效性验证,并与常规的BP,Elman算法进行对比。预测结果表明,IPSO-Elman预测误差在不同训练样本下都小于BP,Elman算法,表现出较强的适应能力。

• 单位
  华东交通大学