节点文献

基于IPSO-Elman的锂电池剩余寿命预测

免费订阅

【作者】 刘子英钱超朱琛磊

【Author】 LIU Ziying;QIAN Chao;ZHU Chenlei;School of Electrics and Automation Engineering,East China Jiaotong University;

【通讯作者】 钱超;

【机构】 华东交通大学电气与自动化工程学院

【摘要】 针对传统埃尔曼(Elman)神经网络在预测过程中初始权值和阈值随机性选取,易陷入局部极小化问题,为提高锂电池剩余寿命的预测精度,提出一种基于自适应权重的改进粒子群(IPSO)-埃尔曼(Elman)神经网络预测锂电池剩余寿命的方法。针对锂电池测量数据中伴随的噪声,利用高斯去噪,削弱数据中的噪声影响,提取原始数据;再利用IPSO全局搜索的能力对Elman神经网络的初始参数进行优化;最后基于美国国家航空航天局(NASA)提供的锂电池测量数据,对提出的方法进行有效性验证,并与常规的BP,Elman算法进行对比。预测结果表明,IPSO-Elman预测误差在不同训练样本下都小于BP,Elman算法,表现出较强的适应能力。

【基金】 国家自然科学基金资助项目(51767006)
【所属期刊栏目】 能源技术 (2020年12期)
  • 【DOI】10.16652/j.issn.1004-373x.2020.12.024
  • 【分类号】TM912
  • 【下载频次】75
节点文献中: 

本文链接的文献网络图示:

浏览历史:
下载历史: