搜索结果: 1-5 共查到“电化学工程 神经网络”相关记录5条 . 查询时间(0.265 秒)
基于神经网络的动力电池单体电压差预测方法
动力电池 单体电压差 神经网络 预测方法
2023/1/30
针对动力电池单体电压差预测问题,基于神经网络算法建立单体电压差预测模型。将总里程、电池包电流、电池包电压、电池温度、SOC作为模型的输入,将单体电压差作为模型的输出,将电动汽车长里程道路试验采集的数据划分为训练集和测试集,用于模型的训练和测试。结果表明,用所提方法进行单体电压差预测时可使均方差仅为0.004%,可行性被验证。最后,用所提方法得到长里程下单体电压差的预测值,为动力电池单体电压差的定量...
基于子种群自适应思维进化-BP神经网络的锂离子电池SOC估计
锂离子电池 荷电状态 BP神经网络 子种群自适应趋同策略
2022/7/30
荷电状态SOC(state of charge)是锂离子电池的重要参数之一,SOC的精准估计对电池组安全可靠运行具有重要意义。针对误差反向传播BP(back propagation)神经网络易收敛至局部最优,导致基于BP网络的SOC估计精度不高的问题,提出子种群自适应趋同策略改进思维进化算法,用其优化BP神经网络的初始权值及阈值,优化后的BP网络简称SAMEA-BP神经网络。结合充放电实验数据,将...
基于改进型S算子BP神经网络的钢材大气腐蚀影响因子评估模型
双曲正切-S算子 BP神经网络 贝叶斯正则化 大气腐蚀
2009/4/13
通过对双曲正切-S算子的改进，提出了一种用于钢的大气腐蚀影响因子评估的BP神经网络模型，采用零均值标准化使输入数据符合模型要求，引入贝叶斯正则化算法解决了小样本泛化问题。仿真试验表明，该模型能在无任何先验知识的情况下较好的反映诸因子对大气腐蚀的影响。
针对自行设计的YX-20A型锂离子电池化成柜采样精度不高的问题，分别采用动量梯度下降法和L-M优化法以三层BP神经网络为预测模型对采样电流数据进行校正；并用校正后的采样数据通过TL494芯片调节设定基准和充放电电流实测值的偏差。研究结果表明： L-M算法能快速收敛，效果优于动量梯度下降法，当隐含层节点数为9时，L-M算法效果最佳；校正后的电流最大相对误差由原来的5%降到1.1%左右，平均误差小于0...