基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
论文首先分析了当前电动汽车电池管理系统中存在的问题,特别是电池电压的精确测量和剩余电量的准确预测问题一直亟待突破,因此,论文在分析电池荷电状态(SOC)影响因素的基础上,进行了动力电池的充放电实验,建立了BP网络电池模型,通过对网络进行训练,应用神经网络模型进行SOC估算,实验表明:建立的BP网络具有较好的适应性,能有效预测锂离子动力电池电压、电流和放电容量间的映射关系.可以准确地对电动汽车电池进行SOC估算.
推荐文章
电动汽车用动力电池SOC估算方法概述
电动汽车
动力电池
荷电状态估算
基于神经网络与UKF结合的锂离子电池组SOC估算方法
锂离子电池组
动力能源
无迹卡尔曼滤波器
神经网络
高级车辆仿真器
荷电状态
基于神经网络的电池SOC估算及优化方法
锂离子电池
SOC
神经网络
粒子群算法
RMSProp
一种优化的电动汽车电池动态SOC参数测量方法
动态优化神经网络
荷电估算
粒子群优化
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于神经网络的电动汽车电池SOC估算研究
来源期刊 计算机与数字工程 学科 工学
关键词 人工神经网络 电池管理系统 SOC估算 电池模型
年,卷(期) 2020,(3) 所属期刊栏目 工程实践
研究方向 页码范围 719-722
页数 4页 分类号 TP334.3
字数 1199字 语种 中文
DOI 10.3969/j.issn.1672-9722.2020.03.043
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 王勇 35 16 2.0 2.0
2 王梨英 28 14 2.0 2.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (31)
共引文献  (495)
参考文献  (8)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
1971(1)
  • 参考文献(0)
  • 二级参考文献(1)
1993(1)
  • 参考文献(0)
  • 二级参考文献(1)
1997(2)
  • 参考文献(0)
  • 二级参考文献(2)
2000(1)
  • 参考文献(0)
  • 二级参考文献(1)
2006(1)
  • 参考文献(0)
  • 二级参考文献(1)
2008(2)
  • 参考文献(0)
  • 二级参考文献(2)
2009(4)
  • 参考文献(2)
  • 二级参考文献(2)
2010(17)
  • 参考文献(2)
  • 二级参考文献(15)
2011(8)
  • 参考文献(2)
  • 二级参考文献(6)
2012(2)
  • 参考文献(2)
  • 二级参考文献(0)
2020(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
人工神经网络
电池管理系统
SOC估算
电池模型
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
计算机与数字工程
月刊
1672-9722
42-1372/TP
大16开
武汉市东湖新技术开发区凤凰产业园藏龙北路1号
1973
chi
出版文献量(篇)
9945
总下载数(次)
28
总被引数(次)
47579
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导