基于深度学习和量子遗传算法的电池SoC估算方法研究

• 作者: 严鋆 侯朋飞 徐晔 李建科 王金全
• 来源期刊: 微型机与应用
• 学科: 工学
• 关键词: 深度学习 量子遗传 电池 荷电状态 估算方法
• 年，卷（期）: 2017,（8）
• 所属期刊栏目: 人工智能
• 页码范围: 51-55
• 页数: 5页
• 分类号: TP183
• 字数: 3218字
• 语种: 中文
• DOI: 10.19358/j.issn.1674-7720.2017.08.017

摘要

储能电池的荷电状态是电池的重要特性,针对浅层学习算法的不足,提出了深度学习理论与量子遗传相结合的算法以提高估算结果的正确性.该算法能够自动从样本中提取更加抽象、更具表达能力的特征,实现输入和输出数据之间的复杂非线性映射;量子遗传算法自动寻优,得到每个RBM输出估算值的权值.通过对电池SoC训练样本和测试样本的估算,与BP训练网络估算结果对比,得出本文所提的DBN-QGA算法网络估计精度更高.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王金全	解放军理工大学国防工程学院	99	705	13.0	24.0
2	李建科	解放军理工大学国防工程学院	18	128	6.0	10.0
3	徐晔	解放军理工大学国防工程学院	48	157	6.0	9.0
4	侯朋飞	解放军理工大学国防工程学院	10	31	4.0	5.0
5	严鋆	解放军理工大学国防工程学院	6	14	2.0	3.0