本文主要研究内容
作者范兴明,王超,张鑫,高琳琳,刘华东(2019)在《基于增量学习相关向量机的锂离子电池SOC预测方法》一文中研究指出:针对锂离子电池荷电状态(SOC)预测精度不高以及在线适应性差的问题,提出一种改进的增量学习相关向量机模型对锂离子电池SOC进行在线预测。选择锂离子电池电压、充放电电流和表面温度作为模型的输入,SOC作为模型的输出,构造模型的训练集。选用快速序列稀疏贝叶斯学习算法进行训练,并结合增量学习法建立增量学习相关向量机模型进行锂离子电池SOC在线预测方法研究。研究发现,通过自动调整核参数的方法,可以保证有较高的预测精度。算法验证实验表明,核参数可以控制算法的预测精度和计算效率,该算法预测精度高、计算速度快、通用性强,可为锂离子电池SOC的预测与应用提供参考。
Abstract
zhen dui li li zi dian chi he dian zhuang tai (SOC)yu ce jing du bu gao yi ji zai xian kuo ying xing cha de wen ti ,di chu yi chong gai jin de zeng liang xue xi xiang guan xiang liang ji mo xing dui li li zi dian chi SOCjin hang zai xian yu ce 。shua ze li li zi dian chi dian ya 、chong fang dian dian liu he biao mian wen du zuo wei mo xing de shu ru ,SOCzuo wei mo xing de shu chu ,gou zao mo xing de xun lian ji 。shua yong kuai su xu lie xi shu bei xie si xue xi suan fa jin hang xun lian ,bing jie ge zeng liang xue xi fa jian li zeng liang xue xi xiang guan xiang liang ji mo xing jin hang li li zi dian chi SOCzai xian yu ce fang fa yan jiu 。yan jiu fa xian ,tong guo zi dong diao zheng he can shu de fang fa ,ke yi bao zheng you jiao gao de yu ce jing du 。suan fa yan zheng shi yan biao ming ,he can shu ke yi kong zhi suan fa de yu ce jing du he ji suan xiao lv ,gai suan fa yu ce jing du gao 、ji suan su du kuai 、tong yong xing jiang ,ke wei li li zi dian chi SOCde yu ce yu ying yong di gong can kao 。
论文参考文献
论文详细介绍
论文作者分别是来自电工技术学报的范兴明,王超,张鑫,高琳琳,刘华东,发表于刊物电工技术学报2019年13期论文,是一篇关于相关向量机论文,增量学习法论文,核参数论文,计算效率论文,锂离子电池预测论文,电工技术学报2019年13期论文的文章。本文可供学术参考使用,各位学者可以免费参考阅读下载,文章观点不代表本站观点,资料来自电工技术学报2019年13期论文网站,若本站收录的文献无意侵犯了您的著作版权,请联系我们删除。
标签:相关向量机论文; 增量学习法论文; 核参数论文; 计算效率论文; 锂离子电池预测论文; 电工技术学报2019年13期论文;