蒋丽丽:基于MFO-ELM的荷电状态软测量模型论文

蒋丽丽:基于MFO-ELM的荷电状态软测量模型论文

本文主要研究内容

作者蒋丽丽,陈国彬(2019)在《基于MFO-ELM的荷电状态软测量模型》一文中研究指出:近年来,极限学习机(extreme learning machine,ELM)被广泛应用于解决非线性回归问题,针对SOC难以直接测量的难题,提出一种基于飞蛾火焰算法(moth-flame optimization algorithm,MFO)优化ELM的SOC预测模型。通过极小化预测误差来优化确定ELM参数的最优值并获得精确的SOC预测模型MFO-ELM,根据可测量电池电流、电压、温度和极化电阻参数来预测SOC值。随后,将MFO-ELM模型的性能与ELM模型进行了比较。结果表明:MFO-ELM预测精度高,误差不超过5%,是一种更好的SOC预测技术。

Abstract

jin nian lai ,ji xian xue xi ji (extreme learning machine,ELM)bei an fan ying yong yu jie jue fei xian xing hui gui wen ti ,zhen dui SOCnan yi zhi jie ce liang de nan ti ,di chu yi chong ji yu fei e huo yan suan fa (moth-flame optimization algorithm,MFO)you hua ELMde SOCyu ce mo xing 。tong guo ji xiao hua yu ce wu cha lai you hua que ding ELMcan shu de zui you zhi bing huo de jing que de SOCyu ce mo xing MFO-ELM,gen ju ke ce liang dian chi dian liu 、dian ya 、wen du he ji hua dian zu can shu lai yu ce SOCzhi 。sui hou ,jiang MFO-ELMmo xing de xing neng yu ELMmo xing jin hang le bi jiao 。jie guo biao ming :MFO-ELMyu ce jing du gao ,wu cha bu chao guo 5%,shi yi chong geng hao de SOCyu ce ji shu 。

论文参考文献

  • [1].电动汽车用动力电池荷电状态估算方法研究综述[J]. 欧阳剑,李迪,柳俊城.  机电工程技术.2016(01)
  • [2].以滑模观测器算法估计超级电容器荷电状态的探讨[J]. 肖海山,韦莉,顾帅,张逸成,姚勇涛.  低压电器.2013(19)
  • [3].铅酸蓄电池荷电状态的研究[J]. 刘广林.  蓄电池.1989(02)
  • [4].基于安时法的磷酸铁锂电池荷电状态校正[J]. 吴佳祥.  山东交通学院学报.2015(03)
  • [5].电动汽车动力电池荷电状态的滑模估计方法[J]. 夏晴,刘志远.  东南大学学报(自然科学版).2011(S1)
  • [6].基于自适应卡尔曼滤波的磷酸铁锂电池荷电状态估计[J]. 段瑞林,王奔,魏久林,杨洋.  电工技术.2019(19)
  • [7].锂电池分数阶建模与荷电状态研究[J]. 鲁伟,续丹,杨晴霞,周阳.  西安交通大学学报.2017(07)
  • [8].串联锂离子电池组荷电状态评估方法对比[J]. 何鹏林,王晓冬.  安全与电磁兼容.2011(01)
  • [9].电动汽车用锂离子电池荷电状态的卡尔曼滤波算法[J]. 孙静霞,谭德荣.  农业装备与车辆工程.2010(09)
  • [10].无迹卡尔曼滤波法在电池系统荷电状态估计中的应用[J]. 彭思敏,沈翠凤,李家荣.  工业控制计算机.2015(12)
  • 论文详细介绍

    论文作者分别是来自重庆理工大学学报(自然科学)的蒋丽丽,陈国彬,发表于刊物重庆理工大学学报(自然科学)2019年08期论文,是一篇关于软测量论文,荷电状态论文,极限学习机论文,飞蛾火焰算法论文,重庆理工大学学报(自然科学)2019年08期论文的文章。本文可供学术参考使用,各位学者可以免费参考阅读下载,文章观点不代表本站观点,资料来自重庆理工大学学报(自然科学)2019年08期论文网站,若本站收录的文献无意侵犯了您的著作版权,请联系我们删除。

    标签:;  ;  ;  ;  ;  

    蒋丽丽:基于MFO-ELM的荷电状态软测量模型论文
    下载Doc文档

    猜你喜欢