[发明专利]基于扩展卡尔曼滤波和遗传BP神经网络组合的电池充电状态评估系统及评估方法

权利要求书

1.一种基于扩展卡尔曼滤波和遗传BP神经网络组合的电池充电状态评估方法，其特征在于，包括：

采集历史时刻电池电流、历史时刻电池电压、历史时刻电池温度以及历史时刻前一时刻电池电压，根据历史时刻电池电压和历史时刻前一时刻电池电压获取历史时刻电池电压差，并基于扩展卡尔曼滤波器获取历史时刻前一时刻电池荷电状态，其中，历史时刻电池电流、历史时刻电池电压、历史时刻电池温度、历史时刻前一时刻电池荷电状态以及历史时刻电池电压差作为BP神经网络的输入量，历史时刻电池荷电状态作为BP神经网络的输出量；

通过遗传算法训练BP神经网络的初始权值和阈值，根据BP神经网络的输入量、输出量、初始权值和阈值建立基于遗传算法与BP神经网络的电池充电状态评估模型；

实时采集当前时刻电池电流、当前时刻电池电压、当前时刻电池温度以及上一时刻电池电压，根据当前时刻电池电压和上一时刻电池电压获取当前时刻电池电压差，并基于扩展卡尔曼滤波器获取上一时刻电池荷电状态；

当前时刻电池电流、当前时刻电池电压、当前时刻电池温度、上一时刻电池荷电状态以及当前时刻电池电压差输入基于遗传算法与BP神经网络的电池充电状态评估模型，获取当前时刻电池荷电状态，以对电池充电状态进行评估。

2.根据权利要求1所述的基于扩展卡尔曼滤波和遗传BP神经网络组合的电池充电状态评估方法，其特征在于，BP神经网络包含三层，分别是输入层、隐含层、输出层，隐含层与输入层、输出层之间分别有连接权值，传递函数为非线性变换函数，该非线性变换为以下公式：

net＝x₁ω₁+x₂ω₂+…+x_nω_n

其中，net为隐含层的输入值，f(x)为隐含层的输出值，x_n为输入层的输入值，ω_n为输入层和隐含层的连接权值。

3.根据权利要求2所述的基于扩展卡尔曼滤波和遗传BP神经网络组合的电池充电状态评估方法，其特征在于，通过遗传算法训练BP神经网络的初始权值和阈值，根据BP神经网络的输入量、输出量、初始权值和阈值建立基于遗传算法与BP神经网络的电池充电状态评估模型，具体实现如下：

获取初始权值和阈值，并对BP神经网络的权值和阈值进行预处理；

计算各遗传算法种群个体的适应度值；

若该适应度值满足终止条件，则得到BP神经网络的最佳权值和阈值；

若不满足，则根据各遗传算法种群个体的适应度值，在种群内部进行选择、交叉、变异操作，直到满足终止条件，以获取BP神经网络的最佳权值和阈值；

对BP神经网络的最佳权值和阈值进行反向处理，赋予BP神经网络。

4.根据权利要求3所述的基于扩展卡尔曼滤波和遗传BP神经网络组合的电池充电状态评估方法，其特征在于，通过以下公式计算各遗传算法种群个体的适应度值：

其中，F为适应度值，n为网络输出节点数，y_i为BP神经网络第i个节点的期望输出，o_i为第i个节点的实际输出，k为系数。

5.根据权利要求4所述的基于扩展卡尔曼滤波和遗传BP神经网络组合的电池充电状态评估方法，其特征在于，通过以下公式计算每个个体的选择概率：

其中，P_i为选择概率，f为适应度值，p为输入染色体数。