基于遗传算法和支持向量回归的锂电池健康状态预测

• 作者: 刘皓 於东军 朱一亨 胡明昕
• 来源期刊: 南京理工大学学报（自然科学版）
• 学科: 工学
• 关键词: 遗传算法 支持向量回归 锂电池 健康状态 超参数优化
• 年，卷（期）: 2018,（3）
• 页码范围: 329-334,351
• 页数: 7页
• 分类号: TM912.1
• 字数: 4878字
• 语种: 中文
• DOI: 10.14177/j.cnki.32-1397n.2018.42.03.011

摘要

为了提高锂电池健康状态( SOH)的预测精度,该文提出了1种基于遗传算法和支持向量回归( GA-SVR)的联合算法.通过GA解决SVR模型中的超参数优化问题. GA-SVR随机生成1组染色体,每个染色体包含了相应的SVR超参数信息.利用适应度函数计算出每条染色体的适应度值.根据适应度值对染色体进行选择、基因重组和变异等遗传操作,从而更新染色体的超参数信息.经过多次迭代后,找到适应度最大的染色体.从该染色体中提取相应的超参数信息,并训练最终的SVR预测模型.在美国国家航空航天局( NASA)锂电池数据集上的实验结果表明,该文算法优于基于混合像元核函数的高斯过程回归(SMK-GPR)算法、基于多尺度周期协方差函数的高斯过程回归( P-MGPR)算法、基于多尺度平方指数函数的高斯过程回归(SE-MGPR)算法和改进的基于粒子群优化的支持向量回归(IPSO-SVR)算法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	於东军	南京理工大学计算机科学与工程学院	64	503	15.0	19.0
2	刘皓		1	17	1.0	1.0
3	胡明昕	南京理工大学计算机科学与工程学院	1	17	1.0	1.0
4	朱一亨	南京理工大学计算机科学与工程学院	2	19	2.0	2.0