典型文献
基于GWO-LSSVM的锂离子电池健康状态估算
文献摘要：
针对目前应用于电池健康状态(SOH)估算的算法需用大量数据样本来进行训练且估算效果不佳的问题,提出了一种基于灰狼优化(GWO)算法的最小二乘支持向量机(LSSVM)算法来估算电池SOH,依据灰色关联度分析法筛选出恒流充电时间作为适合估算电池SOH的输入特征参数.以18650钴酸锂电池充放电循环试验为例,采用所建立的算法模型在不同比例的训练集样本下对不同容量规格的电池进行SOH估算,并将估算结果与基于网格搜索法的LSSVM算法、基于粒子群优化算法的LSSVM算法的估算结果进行对比,结果表明,基于GWO算法的LSSVM算法模型适用于小样本数据且估算误差较小,用于电池SOH估算的效果更好.
文献关键词：
锂离子电池;健康状态估算;灰色关联度分析;灰狼优化算法;最小二乘支持向量机
中图分类号：
作者姓名：
李炬晨;胡欲立;高剑;曾立腾;郑乙;代文帅
作者机构：
西北工业大学航海学院,陕西西安, 710072
文献出处：
引用格式：
[1]李炬晨;胡欲立;高剑;曾立腾;郑乙;代文帅-.基于GWO-LSSVM的锂离子电池健康状态估算)[J].水下无人系统学报,2022(05):550-557,566
A类：
B类：
GWO,LSSVM,锂离子电池,电池健康状态,健康状态估算,SOH,需用,算效,最小二乘支持向量机,灰色关联度分析法,恒流充电,充电时间,输入特征,钴酸锂电池,充放电,循环试验,算法模型,训练集,不同容量,量规,网格搜索法,粒子群优化算法,小样本数据,灰狼优化算法
AB值：
0.25507
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。
