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:
基于GA-SVR算法进行了电动汽车锂离子电池剩余容量预测研究.首先阐述了支持向量回归机(SVR)的基本原理,其次利用遗传算法(GA)对SVR关键参数进行全局寻优,提高了SVR预测电池剩余寿命的精度;最后,建立GA-SVR模型,利用NASA PCoE研究中心电池数据进行预测试验,与标准SVR、基于网格搜索的SVR算法预测结果进行了对比,结果表明,GA-SVR算法具有更好的预测精度和更强的泛化性.
推荐文章
基于DE优化SVR的锂离子电池剩余容量预测
支持向量机回归
微分进化算法
粒子群优化算法
参数选择
锂离子电池
容量预测
锂离子电池状态估计与剩余寿命预测方法综述
锂离子电池
荷电状态(SOC)估算
健康度(SOH)估算
剩余寿命(RUL)预测
基于卷积神经网络与双向长短时融合的锂离子电池剩余使用寿命预测
锂离子电池
剩余使用寿命预测
融合神经网络
一维卷积神经网络
双向长短期记忆
基于IGA-MRVR的锂离子电池剩余使用寿命预测
电动汽车
锂电池
剩余使用寿命
多核相关向量回归算法
改进遗传算法优化
预测
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GA-SVR模型的锂离子电池剩余容量预测
来源期刊 汽车技术 学科 交通运输
关键词 电动汽车 锂离子电池 剩余容量 预测
年,卷(期) 2016,(10) 所属期刊栏目 新能源技术
研究方向 页码范围 53-56,62
页数 5页 分类号 U469.72+2|TM912.9
字数 2930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 黄妙华 87 723 15.0 23.0
3 刘泽明 2 9 2.0 2.0
7 王树坤 3 14 3.0 3.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (8)
共引文献  (18)
参考文献  (5)
节点文献
引证文献  (7)
同被引文献  (20)
二级引证文献  (15)
1997(1)
  • 参考文献(0)
  • 二级参考文献(1)
2004(1)
  • 参考文献(1)
  • 二级参考文献(0)
2005(1)
  • 参考文献(0)
  • 二级参考文献(1)
2008(2)
  • 参考文献(0)
  • 二级参考文献(2)
2009(1)
  • 参考文献(0)
  • 二级参考文献(1)
2011(2)
  • 参考文献(0)
  • 二级参考文献(2)
2012(1)
  • 参考文献(0)
  • 二级参考文献(1)
2013(2)
  • 参考文献(2)
  • 二级参考文献(0)
2015(1)
  • 参考文献(1)
  • 二级参考文献(0)
2016(1)
  • 参考文献(1)
  • 二级参考文献(0)
2016(1)
  • 参考文献(1)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2017(1)
  • 引证文献(1)
  • 二级引证文献(0)
2018(7)
  • 引证文献(3)
  • 二级引证文献(4)
2019(8)
  • 引证文献(2)
  • 二级引证文献(6)
2020(6)
  • 引证文献(1)
  • 二级引证文献(5)
研究主题发展历程
节点文献
电动汽车
锂离子电池
剩余容量
预测
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
汽车技术
月刊
1000-3703
22-1113/U
大16开
长春市创业大街1063号
12-2
1970
chi
出版文献量(篇)
3657
总下载数(次)
10
论文1v1指导