计算机与应用化学
計算機與應用化學
계산궤여응용화학
COMPUTERS AND APPLIED CHEMISTRY
2015年
6期
744-748
,共5页
电动车%荷电状态%神经网络%泛化能力
電動車%荷電狀態%神經網絡%汎化能力
전동차%하전상태%신경망락%범화능력
electric vehicles%state of charge%neural network%generalization ability
针对蓄电池荷电状态估计问题,将神经网络方法用于电动车蓄电池荷电状态的估计.依据蓄电池荷电状态与可测量参数之间的非线性关系,建立了基于BP神经网络与RBF神经网络的蓄电池荷电状态预测模型.仿真结果表明,经过训练后的预测模型,可以通过蓄电池的端电压、工作电流以及蓄电池的内阻参数预测蓄电池的实时荷电状态.通过比较,RBF预测模型具有较好的泛化能力且稳定性更强,能够更精确的估计出蓄电池的剩余容量.
針對蓄電池荷電狀態估計問題,將神經網絡方法用于電動車蓄電池荷電狀態的估計.依據蓄電池荷電狀態與可測量參數之間的非線性關繫,建立瞭基于BP神經網絡與RBF神經網絡的蓄電池荷電狀態預測模型.倣真結果錶明,經過訓練後的預測模型,可以通過蓄電池的耑電壓、工作電流以及蓄電池的內阻參數預測蓄電池的實時荷電狀態.通過比較,RBF預測模型具有較好的汎化能力且穩定性更彊,能夠更精確的估計齣蓄電池的剩餘容量.
침대축전지하전상태고계문제,장신경망락방법용우전동차축전지하전상태적고계.의거축전지하전상태여가측량삼수지간적비선성관계,건립료기우BP신경망락여RBF신경망락적축전지하전상태예측모형.방진결과표명,경과훈련후적예측모형,가이통과축전지적단전압、공작전류이급축전지적내조삼수예측축전지적실시하전상태.통과비교,RBF예측모형구유교호적범화능력차은정성경강,능구경정학적고계출축전지적잉여용량.
