| 基于AFSA RBF神经网络的电动汽车动力
电池SOC预测 |
| |
| 引用本文： | 凤志民,田丽.基于AFSA RBF神经网络的电动汽车动力
电池SOC预测[J].重庆工商大学学报(自然科学版),2016,33(5):6-10. |
| |
| 作者姓名： | 凤志民 田丽 |
| |
| 作者单位： | 安徽工程大学 电气工程学院，安徽 芜湖 241000 |
| |
| 摘 要： | 传统的电池荷电状态(State of Charge,SOC)估计方法是基于精确的数学模型,它依赖于大量的建模假设和经验参数,故模型预测SOC精度是有限的;为了提高动力电池SOC预测的精度,提出利用人工鱼群算法(Artificial Fish Swarm Algorithm,AFSA)优化径向基神经网络(RBF)对SOC进行预测,解决了RBF网络参数选择的不确定性;仿真实验结果表明:方法能方便、快速、准确地实现对SOC的预测,且具有实际使用价值。
|
| 关 键 词： | 电动汽车电池 荷电状态SOC预测 径向基神经网络 人工鱼群算法 |
| 本文献已被 CNKI 等数据库收录！ |
| 点击此处可从《重庆工商大学学报(自然科学版)》浏览原始摘要信息 |
| 点击此处可从《重庆工商大学学报(自然科学版)》下载免费的PDF全文 |
|
