基于GA+SVM的航空铅酸蓄电池健康评估

• 作者: 李卫青 胡焱 谢家雨
• 来源期刊: 电源技术
• 学科: 工学
• 关键词: 支持向量机 遗传算法 健康状况评估 航空铅酸蓄电池
• 年，卷（期）: 2016,（1）
• 所属期刊栏目: 研究与设计
• 页码范围: 103-104,116
• 页数: 3页
• 分类号: TM912
• 字数: 2853字
• 语种: 中文

摘要

针对航空铅酸蓄电池健康状况评估本身所存在的小样本、非线性和复杂性等特点,结合支持向量机(support vector machine,SVM)和遗传算法(genetic algorithm,GA),提出了一种新的航空铅酸蓄电池健康评估模型.由于支持向量机的分类准确率很大程度上取决于参数的选取,因此利用遗传算法对SVM模型参数进行优化,以得到优化的支持向量机的评估模型.为了验证该模型的有效性,利用中国民用航空飞行学院航空铅酸蓄电池的实测数据进行了验证,实验结果表明该模型的分类精度高达96.25％,该评估模型是可行的,并且为航空铅酸蓄电池的健康评估提供了一种新思路.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李卫青		1	1	1.0	1.0