基于遗传算法和支持向量回归的锂电池健康状态预测 |
| |
引用本文: | 刘皓,胡明昕,朱一亨,於东军.基于遗传算法和支持向量回归的锂电池健康状态预测[J].南京理工大学学报(自然科学版),2018(3). |
| |
作者姓名: | 刘皓 胡明昕 朱一亨 於东军 |
| |
作者单位: | 南瑞集团(国网电力科学院)有限公司;南京理工大学计算机科学与工程学院 |
| |
摘 要: | 为了提高锂电池健康状态(SOH)的预测精度,该文提出了1种基于遗传算法和支持向量回归(GA-SVR)的联合算法。通过GA解决SVR模型中的超参数优化问题。GA-SVR随机生成1组染色体,每个染色体包含了相应的SVR超参数信息。利用适应度函数计算出每条染色体的适应度值。根据适应度值对染色体进行选择、基因重组和变异等遗传操作,从而更新染色体的超参数信息。经过多次迭代后,找到适应度最大的染色体。从该染色体中提取相应的超参数信息,并训练最终的SVR预测模型。在美国国家航空航天局(NASA)锂电池数据集上的实验结果表明,该文算法优于基于混合像元核函数的高斯过程回归(SMK-GPR)算法、基于多尺度周期协方差函数的高斯过程回归(P-MGPR)算法、基于多尺度平方指数函数的高斯过程回归(SE-MGPR)算法和改进的基于粒子群优化的支持向量回归(IPSO-SVR)算法。
|
本文献已被 CNKI 等数据库收录! |
|