基于布谷鸟算法优化BP神经网络的锂电池健康状态预测

作者：魏新尧; 佘世刚^*; 容伟; 刘爱琦

来源：计算机测量与控制, 2021, 29(04): 65-75.

DOI：10.16526/j.cnki.11-4762/tp.2021.04.013

• 锂电池
• 健康状态
• 布谷鸟搜索算法
• BP神经网络

锂电池健康状态(SOH)的预测是电动汽车锂电池管理系统的最重要的关键技术之一;传统的误差逆向传播(BP)神经网络容易使权值和阈值陷入局部最优,从而导致预测结果不精确;结合布谷鸟搜索算法(CS)的全局优化能力,提出一种基于CS算法优化BP神经网络的锂电池SOH预测方法,该方法的核心在于优化BP神经网络的初始权值和阈值,从而减小算法对初始值的依赖;为了验证算法的泛化性,利用美国国家航空航天局开源锂电池数据集6号电池和7号电池进行仿真实验,仿真得到该算法预测SOH的均方根误差(RMSE)分别为0.265 8和0.262 0,平均绝对百分比误差(MAPE)分别为0.331 9%和0.260 5%;通过与BP神经网络、粒子群优化的BP神经网络(PSO-BP)、遗传算法优化的BP神经网络(GA-BP)对比,布谷鸟算法优化的BP神经网络(CS-BP)具有更小的预测误差。

• 单位
  常州大学