电工电能新技术
電工電能新技術
전공전능신기술
Advanced Technology of Electrical Engineering and Energy
2015年
9期
22-28
,共7页
荣雅君%杨伟%牛欢%郑鑫慧
榮雅君%楊偉%牛歡%鄭鑫慧
영아군%양위%우환%정흠혜
电池荷电状态%电池管理系统%BP神经网络%拓展卡尔曼滤波
電池荷電狀態%電池管理繫統%BP神經網絡%拓展卡爾曼濾波
전지하전상태%전지관리계통%BP신경망락%탁전잡이만려파
state of charge%battery management system%BP neural network%extend Kalman filtering
以数字信号处理器DSP(TMS320 LF2407)为主控芯片,完成了电动汽车电池管理系统平台的搭建.电池荷电状态(SOC)的精准估计是电动汽车电池管理系统的核心任务之一,本文为提高SOC估计的准确性,提出了基于BP神经网络法与拓展卡尔曼滤波(EKF)法相结合的一种新算法(BP-EKF).在对磷酸铁锂电池进行试验分析之后,运用Matlab的人工神经网络工具箱建立BP神经网络,并利用试验得到的数据对所建立的BP神经网络进行训练,从而利用训练好的BP神经网络优化补偿拓展卡尔曼滤波算法的估计结果.经过仿真实验验证两种算法的准确性,结果表明,与单纯的EKF滤波法相比,基于BP-EKF算法的SOC估计值的准确性有了显著的提高,且具备很好的适用性.
以數字信號處理器DSP(TMS320 LF2407)為主控芯片,完成瞭電動汽車電池管理繫統平檯的搭建.電池荷電狀態(SOC)的精準估計是電動汽車電池管理繫統的覈心任務之一,本文為提高SOC估計的準確性,提齣瞭基于BP神經網絡法與拓展卡爾曼濾波(EKF)法相結閤的一種新算法(BP-EKF).在對燐痠鐵鋰電池進行試驗分析之後,運用Matlab的人工神經網絡工具箱建立BP神經網絡,併利用試驗得到的數據對所建立的BP神經網絡進行訓練,從而利用訓練好的BP神經網絡優化補償拓展卡爾曼濾波算法的估計結果.經過倣真實驗驗證兩種算法的準確性,結果錶明,與單純的EKF濾波法相比,基于BP-EKF算法的SOC估計值的準確性有瞭顯著的提高,且具備很好的適用性.
이수자신호처리기DSP(TMS320 LF2407)위주공심편,완성료전동기차전지관리계통평태적탑건.전지하전상태(SOC)적정준고계시전동기차전지관리계통적핵심임무지일,본문위제고SOC고계적준학성,제출료기우BP신경망락법여탁전잡이만려파(EKF)법상결합적일충신산법(BP-EKF).재대린산철리전지진행시험분석지후,운용Matlab적인공신경망락공구상건립BP신경망락,병이용시험득도적수거대소건립적BP신경망락진행훈련,종이이용훈련호적BP신경망락우화보상탁전잡이만려파산법적고계결과.경과방진실험험증량충산법적준학성,결과표명,여단순적EKF려파법상비,기우BP-EKF산법적SOC고계치적준학성유료현저적제고,차구비흔호적괄용성.
