基于PSO-RBF神经网络的锂离子电池健康状态预测

• 作者: 张任 潘国兵 胥芳 陈教料
• 来源期刊: 中国机械工程
• 关键词: 锂离子电池 健康状况 粒子群优先 径向基函数
• 年，卷（期）: 2016,（21）
• 页码范围: 2975-2981
• 页数: 7页
• 分类号: TM912
• 语种: 中文
• DOI: 10.3969/j.issn.1004-132X.2016.21.023

摘要

针对传统方法估计锂离子电池健康状态(SOH)时内部参数测量困难等问题，提出一种基于粒子群优化径向基函数神经网络的锂离子电池 SOH 预测方法.通过对锂离子等效模型的研究，结合充放电过程的实验数据，确定了影响锂离子电池 SOH 特性的几个关键参数.将试验数据输入仿真模型进行网络训练和校验.仿真证明，相比 BP 神经网络和普通 RBF 神经网络，该算法的预测精度可提高20％，节省66．7％以上的优化时间.