本發明提出了一種基于AdaBoost?CBP神經網絡的電動汽車鋰離子電池健康狀態估算方法。由于放電電壓、放電電流、循環充放電次數在電池使用過程中變化趨勢明顯,本發明采用這三種參數作為SOH估算的輸入數據,并將電池容量作為輸出參數。由于電池數據存在噪音并呈現非線性變化特性,采用擴展卡爾曼濾波算法進行去噪。針對BP神經網絡易陷入局部最優的問題,采用分數微積分理論對其梯度下降法進行優化。最后,將分數階BP神經網絡作為弱學習器,利用AdaBoost算法的自適應加強性能增強學習器的擬合能力,并將每輪弱學習器進行集成得到強學習器,以提高學習器的多樣性,實現各學習器在不同工況數據下性能的優勢互補,有效提高估算精度。
聲明:
“基于AdaBoost-CBP神經網絡的電動汽車鋰離子電池健康狀態估算方法” 該技術專利(論文)所有權利歸屬于技術(論文)所有人。僅供學習研究,如用于商業用途,請聯系該技術所有人。
我是此專利(論文)的發明人(作者)