[发明专利]一种基于状态转移优化RBF神经网络的锂电池SOC估算方法有效
| 申请号： | 201711093872.7 | 申请日： | 2017-11-08 |
| 公开（公告）号： | CN107741568B | 公开（公告）日： | 2019-12-31 |
| 发明（设计）人： | 陈宁;李学鹏;阳春华;吴奇;张志平;桂卫华;金浩文;陆国雄 | 申请（专利权）人： | 中南大学;东莞博力威电池有限公司 |
| 主分类号： | G01R31/36 | 分类号： | G01R31/36;G06K9/62;G06F17/18;G06N3/08 |
| 代理公司： | 44214 广州市红荔专利代理有限公司 | 代理人： | 吝秀梅 |
| 地址： | 410083 湖南*** | 国省代码： | 湖南;43 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 一种基于状态转移优化RBF神经网络的锂电池SOC估算方法。本发明公开了一种基于状态转移优化RBF神经网络的锂电池SOC估算方法，它涉及到电动汽车技术领域。其中，该方法包括：(1)采集离线训练样本数据，对所有训练样本进行归一化处理；(2)建立基于RBF神经网络的锂电池SOC估算模型；(3)采用STA优化算法对所建立的RBF神经网络模型进行优化；(4)保存训练好的RBF网络结构以及各参数值，将训练好的RBF网络用于磷酸铁锂电池SOC的估算；本发明可以准确的估算锂电池SOC，具有估算精度高、可靠性强、估算模型简单等特点，可广泛应用于电动汽车动力电池技术领域。 | ||
| 搜索关键词： | 一种 基于 状态 转移 优化 rbf 神经网络 锂电池 soc 估算 方法 | ||
【主权项】：
1.一种基于状态转移优化RBF神经网络的锂电池SOC估算方法，其特征在于包括如下步骤：/n(A)获取离线训练样本数据，样本数据包括充放电倍率间隔为0.2C，温度间隔为5摄氏度下锂电池的单体端电压、充放电电流、极耳温度和循环寿命参数以及对应的SOC数据，将单体端电压、充放电电流、极耳温度和循环寿命参数作为网络的输入层矢量，SOC作为网络的输出层矢量；根据下式，对所有训练样本进行归一化处理：/n
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于中南大学;东莞博力威电池有限公司，未经中南大学;东莞博力威电池有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201711093872.7/，转载请声明来源钻瓜专利网。
