机电工程
機電工程
궤전공정
MECHANICAL & ELECTRICAL ENGINEERING MAGAZINE
2015年
1期
128-132
,共5页
蔡信%李波%汪宏华%聂亮
蔡信%李波%汪宏華%聶亮
채신%리파%왕굉화%섭량
电动汽车%电池荷电状态%神经网络
電動汽車%電池荷電狀態%神經網絡
전동기차%전지하전상태%신경망락
electric%vehicle%state-of-charge(SOC)%neural%network
针对电动汽车动力电池荷电状态(SOC)的估计问题,对动力电池的荷电状态估计方法进行了研究.对电池荷电状态的影响因素进行了归纳,提出了基于反向传播神经网络(BP神经网络)的动力电池荷电状态估计方法.利用汽车仿真软件ADVISOR对电动汽车行驶典型的汽车测试工况进行了模拟,得到了电动汽车动力电池荷电状态与电池的充放电电流、温度之间的关系.对得到的训练样本数据进行了归一化处理,经过训练,得到基于BP神经网络的动力电池荷电状态估计模型.同样,利用ADVISOR软件得到的测试数据,对得到的神经网络模型进行了测试.研究结果表明,该模型的估计值和输出值之间的误差最大值为4%左右,模型的精度符合动力电池荷电状态估计的使用要求.
針對電動汽車動力電池荷電狀態(SOC)的估計問題,對動力電池的荷電狀態估計方法進行瞭研究.對電池荷電狀態的影響因素進行瞭歸納,提齣瞭基于反嚮傳播神經網絡(BP神經網絡)的動力電池荷電狀態估計方法.利用汽車倣真軟件ADVISOR對電動汽車行駛典型的汽車測試工況進行瞭模擬,得到瞭電動汽車動力電池荷電狀態與電池的充放電電流、溫度之間的關繫.對得到的訓練樣本數據進行瞭歸一化處理,經過訓練,得到基于BP神經網絡的動力電池荷電狀態估計模型.同樣,利用ADVISOR軟件得到的測試數據,對得到的神經網絡模型進行瞭測試.研究結果錶明,該模型的估計值和輸齣值之間的誤差最大值為4%左右,模型的精度符閤動力電池荷電狀態估計的使用要求.
침대전동기차동력전지하전상태(SOC)적고계문제,대동력전지적하전상태고계방법진행료연구.대전지하전상태적영향인소진행료귀납,제출료기우반향전파신경망락(BP신경망락)적동력전지하전상태고계방법.이용기차방진연건ADVISOR대전동기차행사전형적기차측시공황진행료모의,득도료전동기차동력전지하전상태여전지적충방전전류、온도지간적관계.대득도적훈련양본수거진행료귀일화처리,경과훈련,득도기우BP신경망락적동력전지하전상태고계모형.동양,이용ADVISOR연건득도적측시수거,대득도적신경망락모형진행료측시.연구결과표명,해모형적고계치화수출치지간적오차최대치위4%좌우,모형적정도부합동력전지하전상태고계적사용요구.