基于改进型极限学习机的锂离子电池健康状态预测

• 作者: 丁恩松 史永胜 施梦琢 欧阳 洪元涛
• 来源期刊: 电子器件
• 学科: 工学
• 关键词: 锂离子电池 健康状态 极限学习机 自适应粒子群优化(APSO)
• 年，卷（期）: 2020,（3）
• 页码范围: 579-584
• 页数: 6页
• 分类号: TM912
• 字数: 4350字
• 语种: 中文
• DOI: 10.3969/j.issn.1005-9490.2020.03.020

摘要

针对目前利用机器学习方法预测锂离子电池健康状态(SOH)存在的训练时间长和预测精度低的问题,本文提出了一种基于改进型极限学习机(ELM)的SOH预测模型.首先利用灰色关联分析法选取出健康因子(HI)并将其作为模型的输入.然后通过自适应粒子群优化(APSO)算法对多层极限学习机(ML-ELM)的输入权重和隐层偏置进行了优化.最后利用NASA的3组锂离子电池数据对所提出的模型进行验证,并且与其他机器学习算法进行了比较.仿真实验结果表明,本文提出的APSO-ML-ELM算法的预测结果的RMSE小于2％并且MAPE小于1％,训练时间也相对更短.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	施梦琢	陕西科技大学电气与控制工程学院	2	0	0.0	0.0
2	洪元涛	陕西科技大学电气与控制工程学院	2	0	0.0	0.0
3	欧阳	陕西科技大学电气与控制工程学院	2	0	0.0	0.0