基于电池外特征的粒子群神经网络电池健康状态预测

作者：郑永飞; 文怀兴^*; 韩昉; 杨鑫

来源：科学技术与工程, 2019, 19(36): 184-189.

• 粒子群算法
• BP神经网络
• 动力电池
• 健康状态

为了降低电池特征参数获取难度,提高电池健康状态(state of health,SOH)预测精度,保障电动汽车安全行驶,针对电池使用过程中内部参数变化复杂难以测量及BP神经网络容易陷入局部最小值等问题,提出了一种基于电池外特征的粒子群神经网络SOH预测方法。将电池的外特征参数电压与温度作为输入,在BP网络的架构中引入粒子群算法对网络的权值与阈值进行优化,从而增强网络的全局寻优能力。在MATLAB 2018上进行仿真验证,实验结果表明,本方法比传统的BP网络适用性更好,精度更高,绝对误差在1. 6%以内,相对误差在2. 4%以内,具有更广的应用前景。

• 单位
  机电工程学院; 西安冠通数源电子有限公司; 陕西科技大学