本发明提出了一种基于AdaBoost‑CBP神经网络的电动汽车锂离子电池健康状态估算方法。由于放电电压、放电电流、循环充放电次数在电池使用过程中变化趋势明显,本发明采用这三种参数作为SOH估算的输入数据,并将电池容量作为输出参数。由于电池数据存在噪音并呈现非线性变化特性,采用扩展卡尔曼滤波算法进行去噪。针对BP神经网络易陷入局部最优的问题,采用分数微积分理论对其梯度下降法进行优化。最后,将分数阶BP神经网络作为弱学习器,利用AdaBoost算法的自适应加强性能增强学习器的拟合能力,并将每轮弱学习器进行集成得到强学习器,以提高学习器的多样性,实现各学习器在不同工况数据下性能的优势互补,有效提高估算精度。
声明:
“基于AdaBoost-CBP神经网络的电动汽车锂离子电池健康状态估算方法” 该技术专利(论文)所有权利归属于技术(论文)所有人。仅供学习研究,如用于商业用途,请联系该技术所有人。
我是此专利(论文)的发明人(作者)