科研之友
微信
新浪微博
Facebook
分享链接
摘要
建立了基于极限学习机(ELM)神经网络的锂离子电池荷电状态(SOC)预测模型,并针对ELM神经网络初始权、阈值的随机性特点,采用GAPSO算法对ELM神经网络初始权值进行优化,提高了预测模型的精度。仿真表明,GAPSO-ELM神经网络比ELM神经网络预测精度有很大提高,较QPSO-BP神经网络最优解收敛速度更为迅速,在锂离子电池SOC预测方面具备了较强的实用性。
- 单位
建立了基于极限学习机(ELM)神经网络的锂离子电池荷电状态(SOC)预测模型,并针对ELM神经网络初始权、阈值的随机性特点,采用GAPSO算法对ELM神经网络初始权值进行优化,提高了预测模型的精度。仿真表明,GAPSO-ELM神经网络比ELM神经网络预测精度有很大提高,较QPSO-BP神经网络最优解收敛速度更为迅速,在锂离子电池SOC预测方面具备了较强的实用性。
