文献检索-宁波市创意产业特色资源库

限定检索结果

遗传算法优化神经网络整包电池SOC估计模型: 收藏
分享
引用; 《机械设计与制造》2023年第2期384卷 189-194页; 作者：张利东牛志刚刘瑛太原理工大学机械与运载工程学院山西太原030024 江铃重型汽车有限公司技术开发研究院山西太原030032; 针对Back Propagation(BP)神经网络建立的动力电池荷电状态(State of Charge,简称SOC)估计模型存在的精度、稳定性等问题,使用遗传算法(Genetic Algorithm,简称GA),对SOC估计网络模型进行优化。使用以轮盘赌算法配合最佳个体保存法做为...; 针对Back Propagation(BP)神经网络建立的动力电池荷电状态(State of Charge,简称SOC)估计模型存在的精度、稳定性等问题,使用遗传算法(Genetic Algorithm,简称GA),对SOC估计网络模型进行优化。使用以轮盘赌算法配合最佳个体保存法做为遗传算法核心选择算法,避免传统选择算法中最佳个体可能丢失的情况。实验对象选用新能源氢电混动重卡4X2/6X2T FCV的辅助动力电池包。模型考虑了环境温度、放电电压、放电倍率以及直流内阻的影响,对不同隐含层数量对模型估计精度的影响进行了对比分析。测试结果表示,使用遗传算法优化后的神经网络SOC估计模型的精度和稳定性得到大幅提升。; 来源：详细信息评论

限定检索结果