基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
电池荷电状态(SOC)估计的准确性对于混合动力汽车至关重要.将支持向量回归方法用于电动汽车电池SOC的估计.方法中考虑了电池温度、电压、电流、净安时数等因素,对于电动汽车典型工况试验数据得到了小于0.04的误差.比较研究表明:支持向量回归方法比神经网络方法有更好的鲁棒性.
推荐文章
基于在线支持向量回归的锂离子电池SOC估计
在线支持向量回归
SOC
核函数
神经网络
基于支持向量回归的锂电池健康状态估计
锂电池
健康因子
支持向量回归
参数优化
健康状态估计
支持向量回归的颅内压时间系列无损估计方法
数据挖掘框架
最小二乘法
非线性映射函数
支持向量回归
粗糙ε-支持向量回归模型
ε-支持向量回归
粗糙边界
粗糙ε-支持向量回归
粗糙集
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于支持向量回归的电池SOC估计方法研究
来源期刊 电源技术 学科 工学
关键词 电动汽车 SOC 支持向量回归
年,卷(期) 2007,(3) 所属期刊栏目 研究与设计
研究方向 页码范围 242-243,252
页数 3页 分类号 TM91
字数 2354字 语种 中文
DOI 10.3969/j.issn.1002-087X.2007.03.020
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 陈全世 清华大学汽车安全与节能国家重点实验室 115 5105 38.0 69.0
2 林成涛 清华大学汽车安全与节能国家重点实验室 36 2361 20.0 36.0
3 裴晟 清华大学汽车安全与节能国家重点实验室 1 39 1.0 1.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (2)
节点文献
引证文献  (39)
同被引文献  (50)
二级引证文献  (161)
1992(1)
  • 参考文献(1)
  • 二级参考文献(0)
1999(1)
  • 参考文献(1)
  • 二级参考文献(0)
2007(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2008(2)
  • 引证文献(2)
  • 二级引证文献(0)
2009(3)
  • 引证文献(3)
  • 二级引证文献(0)
2010(2)
  • 引证文献(2)
  • 二级引证文献(0)
2012(5)
  • 引证文献(4)
  • 二级引证文献(1)
2013(13)
  • 引证文献(8)
  • 二级引证文献(5)
2014(10)
  • 引证文献(2)
  • 二级引证文献(8)
2015(17)
  • 引证文献(6)
  • 二级引证文献(11)
2016(33)
  • 引证文献(1)
  • 二级引证文献(32)
2017(33)
  • 引证文献(5)
  • 二级引证文献(28)
2018(42)
  • 引证文献(4)
  • 二级引证文献(38)
2019(33)
  • 引证文献(2)
  • 二级引证文献(31)
2020(7)
  • 引证文献(0)
  • 二级引证文献(7)
研究主题发展历程
节点文献
电动汽车
SOC
支持向量回归
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
电源技术
月刊
1002-087X
12-1126/TM
大16开
天津296信箱44分箱
6-28
1977
chi
出版文献量(篇)
9323
总下载数(次)
56
总被引数(次)
55810
论文1v1指导