科研之友
微信
新浪微博
Facebook
分享链接
摘要
锂离子电池容量退化过程具有非线性强,参数影响多等特点,从而难以被预测。针对该问题,开展评估方法研究,提出融合神经网络与粒子滤波的锂离子电池容量退化估计算法。利用神经网络的非线性优势,采用三层神经网络模型,建立电池容量退化模型,并通过比较数据间相似性引入归一化参数,优化数据结构,然后采用粒子滤波追踪模型内部参数,进而预测电池容量状态。最后利用CALCE实验室电池数据进行验证,并与电池双指数经验模型的粒子滤波算法进行了对比,结果表明论文算法具有更好的准确性和稳定性。
- 单位
锂离子电池容量退化过程具有非线性强,参数影响多等特点,从而难以被预测。针对该问题,开展评估方法研究,提出融合神经网络与粒子滤波的锂离子电池容量退化估计算法。利用神经网络的非线性优势,采用三层神经网络模型,建立电池容量退化模型,并通过比较数据间相似性引入归一化参数,优化数据结构,然后采用粒子滤波追踪模型内部参数,进而预测电池容量状态。最后利用CALCE实验室电池数据进行验证,并与电池双指数经验模型的粒子滤波算法进行了对比,结果表明论文算法具有更好的准确性和稳定性。
