基于WOA-UKF算法的锂电池容量与SOC联合估计

锂电池的荷电状态(SOC)和有效容量是表征电池当前剩余电量和电池寿命的重要参数,提出一种锂离子电池有效容量和SOC的联合估计方法。在电池全寿命周期内,给出一种开路电压与SOC和电池有效容量非线性模型的两变量多项式描述;当电池循环使用次数超过预设值,采用鲸鱼优化算法估计当前电池容量与电池模型参数,根据模型参数与容量值采用无迹卡尔曼滤波器估计电池SOC;在SOC估计过程中,采用鲸鱼优化算法更新无迹卡尔曼滤波器的观测噪声方差和过程噪声方差,实现噪声方差的自适应调节,进而提高估计精度。实验结果验证了该方法的有效性和联合估计方案的可行性。     

基于BSA-RELM的纯电动汽车锂离子电池SOC估计

提出一种基于鸟群算法优化鲁棒极限学习机的锂离子电池荷电状态估计算法。鲁棒极限学习机克服了极限学习机不能处理异常值的缺点,提高了网络的预测准确率。利用鸟群算法优化鲁棒极限学习机的隐层节点数和调节因子等参数,解决隐层节点数和调节因子等参数难以确定的问题,可进一步提高网络的收敛速度,且利于寻找全局最优值。利用ADVISOR软件采集影响电池荷电状态的主要参数:电流、电压、温度和内阻等进行建模和测试。仿真结果表明,采用鸟群算法优化鲁棒极限学习机比BPNN、RBFNN和FNN的估计误差更小,具有更高的预测精度。     

Vi-RNN算法储能电池在线SOC估计

锂离子电池的荷电状态（state of charge, SOC）估计是电池管理系统的重要组成部分。更加精确的SOC估计结果,有利于储能电站的并网和控制。该文提出一种基于Vi-RNN的储能电池SOC估计算法,该算法将储能电池端口电压和电压增量作为输入,荷电状态作为输出,RNN算法作为框架,实现在线更高精度的SOC估计。采用储能锂离子电池在0.2C和0.3C充放过程中的测量数据进行仿真分析。结果显示：相较于MEA-BP算法,该方法估计结果的均方误差和相对误差更低,均方误差降低约20%。     

基于卡尔曼算法的动力锂电池SOC估算

电池荷电状态(SOC)估算是电池管理系统的核心。本文选用扩展卡尔曼算法原理,结合戴维南电池模型完成了电池SOC估算的建模,并基于SIMULINK平台搭建SOC估算仿真模型。通过混合动力脉冲能力试验得出电池模型的参数。通过验证试验,结果表明该模型能够很好的对电池SOC进行估算,且估算精度可以控制在5%以内,建立的仿真模型符合电池的实际特性。     

基于ELM的非线性PLS软测量方法研究

提出了一种基于极限学习机的非线性偏最小二乘软测量方法,有效地处理过程非线性、数据共线性以及在线快速建模等问题.该方法保留线性偏最小二乘外部模型以去除变量间的相关性,采用极限学习机建立内部模型来准确描述系统的非线性关系,与其它方法相比,该方法建模速度快,并具有良好的泛化能力.通过在苯乙烯反应器仿真及穿孔能耗预测应用结果表明,该方法建立的模型精度、泛化能力均优于传统方法,验证了其可行性和有效性.     

高精度预测SOC的混合电动车电池管理系统的研究

研制了新型的电动汽车蓄电池组管理系统,该系统在提高采集监测电流、电压、温度等信号精度的基础上,采用了放电率、温度、自放电及容量老化等补偿的安时积分模型的估计,并考虑了自调整,从而可以以较高的精度预测电动汽车的电池荷电状态(SOC).     

基于自适应H_(2)/H_(∞)滤波的锂电池SOC和SOH联合估计北大核心CSCD

准确、实时地估计电池的荷电状态(state of charge,SOC)和健康状态(state of health,SOH)是现代电池管理系统的关键任务。通过自适应H_(2)/H_(∞)滤波器可对锂电池的SOC和SOH进行联合估计。该方法基于锂电池的二阶RC等效电路模型,采用AFFRLS法在线辨识锂电池的模型参数,并利用H_(2)/H_(∞)滤波器估计锂电池的SOC,AFFRLS辨识与H_(2)/H_(∞)滤波交替进行,得到一种自适应H_(2)/H_(∞)滤波器。SOH依据AFFRLS辨识的电池内阻进行估计,实现了锂电池SOC与SOH的联合估计。实验结果表明:自适应H_(2)/H_(∞)滤波算法的估计精度高且鲁棒性强,电池的SOC和SOH的平均估计误差始终保持在±0.19%以内,相比于EKF和H_(∞)滤波算法有更高的估计精度与稳定性。     

SVM和Kalman滤波大功率动力电池SOC预估方法的研究

新能源汽车大功率动力电池荷电状态(state-of-charge,SOC)的快速精确估计是动力电池能耗管理系统的核心技术,针对大功率动力电池这一非线性、强耦合系统,提出基于支持向量机(support-vector-machine,SVM)静态预测和基于卡尔曼滤波(Kalman)动态预测的动力电池SOC预估方法。仿真实验结果表明,采用基于SVM和Kalman滤波结合的预估方法可以快算完成动力电池SOC的估计,并且动力电池模型参数的变动几乎不影响算法的准确性,表明算法具有一定的鲁棒性。     

基于改进无迹卡尔曼滤波的锂电池SOC在线估计

针对无迹卡尔曼滤波算法对电池模型敏感并且容易受到不确定噪声干扰的问题,提出了改进的无迹卡尔曼滤波算法（improved unscented Kalman filter,IUKF）,提高电池荷电状态（State of charge,SOC）估计精度和鲁棒性能。首先,对锂离子电池进行建模并完成参数离线辨识。紧接着,对模型参数进行敏感性分析,研究不同参数对SOC估计效果的影响程度,为模型参数自适应对象的选取提供依据。随后,研究了包含模型自适应算法和噪声自适应算法在内的IUKF算法实现过程。最后,通过物理实验对比分析了IUKF与其它算法的实际估计效果,实验结果表明,该方法估计误差小于1.79%,鲁棒性能良好。     

基于LSTM+UKF融合的动力锂电池SOC估算方法

为提高动力电池荷电状态(state of charge, SOC)估算准确性、稳定性,该文提出一种基于LSTM+UKF(long short term memory+unscented Kalman filter)融合的动力锂电池SOC估算方法。构建动力锂电池SOC估算窗口LSTM结构,通过动力电池电流、电压、温度并结合历史数据实时预测动力电池SOC训练网络;设计动力锂电池SOC估算UKF算法,提出融合策略。实验表明,研究窗口LSTM+UKF融合动力锂电池SOC估算方法 RMSE、MAX、MAE分别为1.13%、1.74%、0.39%,相较于加窗LSTM网络提升了动力锂电池SOC估算的准确性、稳定性。     

基于RFF及GWO-PF的锂电池SOC估计

为了提高锂电池剩余电量估计的准确性,提出一种在线参数辨识与改进粒子滤波算法相结合的锂电池SOC估计方法。针对粒子滤波中的粒子退化问题,引入灰狼算法,利用灰狼算法较强的全局寻优能力优化粒子分布,保证粒子多样性,有效抑制粒子退化现象,提高滤波精度。采用带遗忘因子的递推最小二乘法实时更新模型参数,并与改进粒子滤波算法交替运行,进一步提高SOC的估计精度。实验结果表明,改进算法的平均估计误差始终保持在±0.15%以内,相比扩展卡尔曼滤波与无迹卡尔曼滤波算法,在电池SOC估计上有更高的估计精度与稳定性。     

J750型SOC测试系统校准技术概述

SOC芯片是武器装备、大飞机计划、探月工程等国防重要工程的核心电子器件,也是信息社会的基础和关键器件,SOC芯片的性能直接关系到电子装备的质量,SOC芯片的测试需求对SOC测试系统的量值提出了苛刻的要求.文章简单介绍了SOC测试系统的主要校准方案,重点阐述了如何使用分项参数校准法对广泛应用于国内外集成电路测试的J750...     

基于BP神经网络的压电陶瓷蠕变预测

压电陶瓷驱动器的蠕变误差随时间呈现非线性变化,难以实时修正。提出基于BP神经网络的压电陶瓷蠕变预测方法,使用压电陶瓷驱动系统采集数据,对数据进行归一化处理,通过实验设计BP神经网络的隐含层数、隐含层节点数、节点转移函数和训练函数,构建BP神经网络预测模型,建立压电陶瓷蠕变与时间的关系。用BP神经网络模型对压电陶瓷蠕变进行了预测仿真,并将结果与实测数据进行了对比。结果表明,蠕变预测结果与实验数据的最大绝对误差均小于0.1 μm,最大蠕变误差均不超过0.6%,最大均方误差仅为0.0021,可见,BP预测模型具有较高的预测精度,可作为预测压电陶瓷蠕变误差的一种有效手段。     

基于蚁群算法优化BP神经网络的港口吞吐量预测

利用蚁群算法优化反向传播神经网络的初始权值、阈值,建立预测模型,对港口货物吞吐量进行预测。蚁群算法具有全局搜索能力,分布式计算和鲁棒性强等特点,有利于加快反向传播神经网络的收敛速度,避免易陷入局部极值的问题,提高建模精度。在港口吞吐量预测中的应用表明:蚁群算法优化BP神经网络模型、模糊神经网络预测模型、RBF预测模型及BP预测模型的平均绝对百分比误差分别为2.826%、3.734%、4.990%和6.566%;同时,蚁群算法优化BP神经网络模型收敛速度最快。与传统BP神经网络、RBF网络及模糊神经网络相比,蚁群算法优化BP神经网络模型、模糊神经网络预测模型、RBF预测模型及BP预测模型的平均绝对百分比误差分别为2.826%、3.734%、4.990%和6.566%。     

一种原子钟组加权的优化策略

原子钟组集成技术广泛应用于计时系统中,以保持原子时标的准确性、稳定性和连续性。相同环境下的原子钟之间可能存在一定的相关性,这在一定程度上限制了原子时标性能。从原子钟组与其协方差矩阵的相关性出发,考察了相同环境因素对原子钟频率特性的影响,基于正则化理论设计了一种原子钟组加权方法。将该方法应用于中国计量科学研究院铯钟组,实验表明有效降低了原子钟组的输出频率不稳定性。     

一种电容层析成像图像重建优化算法

提出一种电学层析成像(ECT)图像重建优化算法。通过将传统正则化算法转化为最小二乘问题进行求解,结合lp范数逼近正则化最小化问题,利用重新加权的方法进行迭代计算。以油-气两相流模型进行仿真及静态实验,将所提出的优化算法与常用的LBP、Landweber迭代及Tikhonov正则化算法进行对比。结果表明,与常用算法相比,采用该优化算法对管道中心物体及多物体分布流型进行图像重建,其图像相对误差均为最低,且重建图像的形状保真度明显提高。     

一种新填充函数算法优化的小波网络及其应用

小波网络的结构及参数的寻优是小波网络应用中的一个关键问题．为达到寻优速度快、优化效果好的目的，提出了一个新的填充函数，把基于此函数的填充函数法与BP算法相结合，提出一种训练小波网络的全局优化新算法．并将由此算法优化得到的小波网络应用于飞控系统的故障诊断中．计算机仿真结果表明，该算法在训练小波网络时，收敛速度优于采用进化规划算法的训练速度，由此得到的小波网络用于飞控系统的故障诊断具有泛化性强、收敛较快、诊断较准确等优点．     

基于融合RBF-PSO-AE算法的混凝土力学性能预测

针对混凝土材料力学性能精准预测的问题,提出了一种粒子群算法(PSO)优化的径向基函数(RBF)与自编码器(AE)融合预测模型(RBF-PSO-AE),对混凝土断裂能、失稳韧度和起裂韧度等参数进行预测分析。首先运用RBF结合AE使用交叉熵损失函数对数据特征降维加速收敛,其次利用PSO快速优化模型的网络最佳权值,最后将该模型与多种单一预测模型进行实验比较。实验结果表明该算法模型预测精确度和泛化能力提升明显,实现大于99.99%的预测精度,均方根误差0.006%,能有效减少混凝土力学性能预测的误差,具有良好的鲁棒性。