基于改进RBF神经网络训练算法的蓄电池SOC估算

• 作者: 杨文伟 胡永乐 覃团发 陈俊江 陈玮匀
• 来源期刊: 现代电子技术
• 关键词: SOC估算 RBF神经网络 正则化 模糊控制 模拟退火算法 Matlab
• 年，卷（期）: 2018,（20）
• 所属期刊栏目: 能源技术
• 页码范围: 146-149
• 页数: 4页
• 分类号: TN245-34|TM912
• 语种: 中文
• DOI: 10.16652/j.issn.1004-373x.2018.20.035

摘要

为了对基站铅酸蓄电池的剩余容量进行估算,在RBF神经网络训练算法中采用梯度下降法结合L1,L2正则化实现隐层节点数的选择.通过模糊控制思想提高泛化能力,引入模拟退火算法减少了需要重复训练的次数.Matlab仿真结果表明,通过改进的RBF神经网络训练算法对蓄电池的电池剩余容量(SOC)估算平均误差达到2％,改进了估算精度的同时也提高了泛化能力并且减少了重复训练的次数.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	覃团发	广西大学计算机与电子信息学院	151	1073	17.0	26.0
5	陈俊江	广西大学计算机与电子信息学院	10	61	4.0	7.0
9	陈玮匀	广西大学计算机与电子信息学院	1	4	1.0	1.0
10	杨文伟	广西大学计算机与电子信息学院	1	4	1.0	1.0
11	胡永乐		1	4	1.0	1.0