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
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: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;