典型文献
一种改进RAO算法与多核SVM的锂离子电池寿命预测模型
文献摘要：
针对目前锂离子电池剩余寿命预测存在预测精度低的问题,提出了一种基于改进的无参数RAO算法与多核支持向量机(IRAO-MSVM)的电池寿命预测模型.在IRAO-MSVM模型中,采用凸组合的方法将高斯核与多项式核函数融合,提高了支持向量机的泛化能力;将混沌序列和rand-best-df随机扰动策略加入到RAO算法中,提高了RAO算法的全局搜索能力;利用所提出的算法对多核支持向量机的核参数寻优,提升了模型的预测性能.利用基准函数测试,验证了IRAO算法的有效性;采用美国NASA电池数据集进行测试,结果表明所提出的IRAO-MSVM模型的各项评价指标均优于其他比较模型.同时,IRAO算法参数设置少,更新策略只包含加乘运算,便于硬件实现.
文献关键词：
剩余寿命预测;多核支持向量机;改进RAO算法;锂离子电池
中图分类号：
作者姓名：
简献忠;张博;王如志
作者机构：
上海理工大学光电信息与计算机工程学院,上海200090;北京工业大学材料与制造学部,北京100124
文献出处：
引用格式：
[1]简献忠;张博;王如志-.一种改进RAO算法与多核SVM的锂离子电池寿命预测模型)[J].小型微型计算机系统,2022(11):2314-2320
A类：
IRAO,MSVM
B类：
锂离子电池,电池寿命预测,寿命预测模型,剩余寿命预测,无参数,多核支持向量机,凸组合,高斯核,多项式,核函数,泛化能力,混沌序列,rand,best,df,随机扰动,扰动策略,略加,全局搜索,搜索能力,核参数,参数寻优,预测性能,基准函数,函数测试,NASA,比较模型,算法参数,参数设置,更新策略,硬件实现
AB值：
0.291446
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
