| 纯电动汽车磷酸铁锂电池组的建模及优化 |
| |
| 引用本文： | 宋绍剑,林庆芳,林小峰.纯电动汽车磷酸铁锂电池组的建模及优化[J].应用声学,2015,23(5):1713-1716. |
| |
| 作者姓名： | 宋绍剑 林庆芳 林小峰 |
| |
| 作者单位： | 广西大学电气工程学院,广西大学电气工程学院,广西大学电气工程学院 |
| |
| 基金项目： | 国家自然科学基金重点项目(610034002) |
| |
| 摘 要： | 鉴于传统神经网络和支持向量机机理复杂、计算量大的缺陷,很难实时跟踪磷酸铁锂电池组复杂快速的内部反应,影响电池荷电状态的估算精度,提出应用一种简单、有效的极限学习机对一额定容量为100Ah、额定电压为72V的纯电动汽车磷酸铁锂电池组建模,并分别与BP神经网络、RBF神经网络、支持向量机进行对比。随后,以学习时间和泛化性能为优化目标,应用粒子群方法寻找最佳隐层节点个数。结果表明,基于极限学习机的磷酸铁锂电池组模型的学习时间、泛化性能优于BP神经网络、RBF神经网络、支持向量机；隐层节点优化后,模型的学习时间和泛化性能达到最优。
|
| 关 键 词： | 传统神经网络 支持向量机 磷酸铁锂电池组 荷电状态 极限学习机 粒子群优化 |
Modeling and Optimization of Pure Electric Vehicle's LiFePO4 Battery Pack |
| |
| LIN Xiao-feng.Modeling and Optimization of Pure Electric Vehicle's LiFePO4 Battery Pack[J].Applied Acoustics,2015,23(5):1713-1716. |
| |
| Authors: | LIN Xiao-feng |
| |
| Institution: | School of Electrical Engineering,Guangxi University,,School of Electrical Engineering,Guangxi University |
| |
| Abstract: | |
| |
| Keywords: | traditional neural networks support vector machine LiFePO4 battery pack state of charge extreme learning machine particle swarm optimization |
|
| 点击此处可从《应用声学》浏览原始摘要信息 |
| 点击此处可从《应用声学》下载免费的PDF全文 |
|
