基于改进灰狼优化与支持向量回归的锂电池健康状态预测

• 作者: 李立伟 李龙刚 杨玉新 罗羽
• 来源期刊: 南京理工大学学报（自然科学版）
• 学科: 工学
• 关键词: 锂电池 健康状态 改进灰狼优化算法 支持向量回归 参数联合寻优
• 年，卷（期）: 2020,（2）
• 页码范围: 154-161,170
• 页数: 9页
• 分类号: TM912.1
• 字数: 6357字
• 语种: 中文
• DOI: 10.14177/j.cnki.32-1397n.2020.44.02.005

摘要

为了提高锂电池健康状态(SOH)的预测精度,将改进的灰狼优化(IGWO)算法与支持向量回归(SVR)相结合,提出了一种基于改进灰狼优化和支持向量回归(IGWO-SVR)的联合算法.该算法的核心思想是运用改进的GWO算法解决SVR模型中的参数联合寻优问题.IGWO-SVR随机产生1个灰狼种群,灰狼个体的位置向量由SVR模型的3个参数C,σ,ε组成.根据每只灰狼的位置信息进行学习,并计算适应度.按照适应度值对狼群进行分级,对灰狼个体位置进行更新,然后进行差分进化操作,选择优秀个体进入下一代种群,重新计算灰狼个体在新位置的适应度.迭代过程结束后,提取狼群中适应度最优的灰狼位置信息作为最终的SVR模型参数进行训练.在美国国家航空航天局(NASA)锂电池数据集上的实验表明了所提SOH预测方法的有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李立伟	青岛大学电气工程学院	59	398	13.0	19.0
2	罗羽		9	5	2.0	2.0
3	李龙刚	青岛大学电气工程学院	3	0	0.0	0.0