基于改进灰狼优化与支持向量回归的锂电池健康状态预测 |
| |
引用本文: | 李龙刚,李立伟,杨玉新,罗羽.基于改进灰狼优化与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),2020,44(2). |
| |
作者姓名: | 李龙刚 李立伟 杨玉新 罗羽 |
| |
作者单位: | 青岛大学 电气工程学院,山东 青岛,266071;青岛大学 图书馆,山东 青岛,266071;潍坊市产品质量检验所,山东 潍坊,261000 |
| |
基金项目: | 山东省科技发展计划;山东省重点研发计划项目 |
| |
摘 要: | 为了提高锂电池健康状态(SOH)的预测精度,将改进的灰狼优化(IGWO)算法与支持向量回归(SVR)相结合,提出了一种基于改进灰狼优化和支持向量回归(IGWO-SVR)的联合算法。该算法的核心思想是运用改进的GWO算法解决SVR模型中的参数联合寻优问题。IGWO-SVR随机产生1个灰狼种群,灰狼个体的位置向量由SVR模型的3个参数C,σ,ε组成。根据每只灰狼的位置信息进行学习,并计算适应度。按照适应度值对狼群进行分级,对灰狼个体位置进行更新,然后进行差分进化操作,选择优秀个体进入下一代种群,重新计算灰狼个体在新位置的适应度。迭代过程结束后,提取狼群中适应度最优的灰狼位置信息作为最终的SVR模型参数进行训练。在美国国家航空航天局(NASA)锂电池数据集上的实验表明了所提SOH预测方法的有效性。
|
关 键 词: | 锂电池 健康状态 改进灰狼优化算法 支持向量回归 参数联合寻优 |
本文献已被 CNKI 万方数据 等数据库收录! |
|