文档名：一种基于支持向量机的锂电池健康状态评估方法
传统内燃机汽车导致的能源消耗与环境污染使得零排放的电动汽车和低排放的混合动力汽车在全球范围内受到广泛关注。可充电电池可以有效存储与释放电能，为电动汽车与混合动力汽车的应用提供优秀的选择。本文提出了一种基于径向基(RBF)核函数ε-SVR模型的电池健康状态(SoH)估计方法,利用基于5折交叉验证的网格搜索算法实现模型参数寻优,训练得到的SoH评估模型实现了已知电池荷电状态、直流内阻、极化电容,即可在线预测SoH的目的.评估模型的构建思路本质上是将机器学习领域的支持向量机算法引入电池管理系统以评估电池健康状态,是使用数据挖掘方法处理实际工程应用问题的一次成功尝试.
作者：李睿琪 汪玉洁 陈宗海
作者单位：中国科学技术大学自动化系,安徽合肥,中国,230027;中国科学技术大学象形大数据商业智能联合实验室,中国科学技术大学先进技术研究院,安徽合肥,中国,230031中国科学技术大学自动化系,安徽合肥,中国,230027
母体文献：第17届中国系统仿真技术及其应用学术年会(17thCCSSTA2016)论文集
会议名称：第17届中国系统仿真技术及其应用学术年会(17thCCSSTA2016)
会议时间：2016年8月1日
会议地点：西安
主办单位：中国自动化学会,中国系统仿真学会
语种：chi
分类号：
关键词：电动汽车 可充电电池 健康状态 径向基核函数 支持向量机
在线出版日期：2019年4月17日
基金项目：
相似文献
相关博文
- 文件大小:
- 1.24 MB
- 下载次数:
- 60
-
高速下载
|
