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:
针对传统动力电池的SOC估计方法的不足,通过编写Matlab程序建立了基于Levenberg-Marquardt (LM)算法的BP神经网络,对其进行了训练及检验.用所建神经网络模型对电池剩余电量进行预测,最大误差小于0.1%.结果满足精度要求,从而验证了所建BP神经网络能够有效地预测蓄电池电压、电流、温度和SOC之间的映射关系.对提高动力电池的能量效率,延长电池的使用寿命具有重要意义.实验表明,此方法提高了电池SOC计算的精度,达到了井下移动救生舱的应用要求.
推荐文章
基于神经网络的电池SOC估算及优化方法
锂离子电池
SOC
神经网络
粒子群算法
RMSProp
基于贝叶斯正则化算法BP神经网络钒电池SOC预测
钒电池
荷电状态
BP神经网络
贝叶斯正则化算法
基于改进RBF神经网络训练算法的蓄电池SOC估算
SOC估算
RBF神经网络
正则化
模糊控制
模拟退火算法
Matlab
基于神经网络与UKF结合的锂离子电池组SOC估算方法
锂离子电池组
动力能源
无迹卡尔曼滤波器
神经网络
高级车辆仿真器
荷电状态
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BP神经网络的电池SOC估算
来源期刊 电源技术 学科 工学
关键词 电池 BP神经网络 SOC MATLAB
年,卷(期) 2013,(9) 所属期刊栏目 研究与设计
研究方向 页码范围 1539-1541
页数 3页 分类号 TM912
字数 1171字 语种 中文
DOI
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 史丽萍 中国矿业大学信息与电气工程学院 142 1005 17.0 23.0
2 龚海霞 中国矿业大学信息与电气工程学院 5 47 3.0 5.0
3 刘敬敬 中国矿业大学信息与电气工程学院 4 89 3.0 4.0
4 李震 中国矿业大学信息与电气工程学院 4 70 4.0 4.0
5 翟福军 1 36 1.0 1.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (20)
共引文献  (58)
参考文献  (5)
节点文献
引证文献  (36)
同被引文献  (79)
二级引证文献  (90)
1991(1)
  • 参考文献(0)
  • 二级参考文献(1)
1995(1)
  • 参考文献(0)
  • 二级参考文献(1)
1996(2)
  • 参考文献(0)
  • 二级参考文献(2)
1997(2)
  • 参考文献(0)
  • 二级参考文献(2)
2001(2)
  • 参考文献(0)
  • 二级参考文献(2)
2002(2)
  • 参考文献(0)
  • 二级参考文献(2)
2004(3)
  • 参考文献(1)
  • 二级参考文献(2)
2005(7)
  • 参考文献(0)
  • 二级参考文献(7)
2006(3)
  • 参考文献(2)
  • 二级参考文献(1)
2008(1)
  • 参考文献(1)
  • 二级参考文献(0)
2010(1)
  • 参考文献(1)
  • 二级参考文献(0)
2013(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)
2014(5)
  • 引证文献(5)
  • 二级引证文献(0)
2015(5)
  • 引证文献(3)
  • 二级引证文献(2)
2016(21)
  • 引证文献(9)
  • 二级引证文献(12)
2017(17)
  • 引证文献(4)
  • 二级引证文献(13)
2018(31)
  • 引证文献(9)
  • 二级引证文献(22)
2019(34)
  • 引证文献(6)
  • 二级引证文献(28)
2020(13)
  • 引证文献(0)
  • 二级引证文献(13)
研究主题发展历程
节点文献
电池
BP神经网络
SOC
MATLAB
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