基于IPSO-Elman的锂电池剩余寿命预测

• 作者: 刘子英 朱琛磊 钱超
• 来源期刊: 现代电子技术
• 关键词: 锂电池 剩余寿命预测 IPSO-Elman 预测建模 高斯去噪 参数优化
• 年，卷（期）: 2020,（12）
• 所属期刊栏目: 能源技术
• 页码范围: 100-105
• 页数: 6页
• 分类号: TN606-34|TM912
• 语种: 中文
• DOI: 10.16652/j.issn.1004-373x.2020.12.024

摘要

针对传统埃尔曼(Elman)神经网络在预测过程中初始权值和阈值随机性选取,易陷入局部极小化问题,为提高锂电池剩余寿命的预测精度,提出一种基于自适应权重的改进粒子群(IPSO)-埃尔曼(Elman)神经网络预测锂电池剩余寿命的方法.针对锂电池测量数据中伴随的噪声,利用高斯去噪,削弱数据中的噪声影响,提取原始数据;再利用IPSO全局搜索的能力对Elman神经网络的初始参数进行优化;最后基于美国国家航空航天局(NASA)提供的锂电池测量数据,对提出的方法进行有效性验证,并与常规的BP,Elman算法进行对比.预测结果表明,IPSO-Elman预测误差在不同训练样本下都小于BP,Elman算法,表现出较强的适应能力.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘子英	华东交通大学电气与自动化工程学院	29	114	6.0	9.0
2	钱超	华东交通大学电气与自动化工程学院	1	0	0.0	0.0
3	朱琛磊	华东交通大学电气与自动化工程学院	2	5	1.0	2.0