典型文献
基于双DQN和扩展卡尔曼滤波的锂离子电池荷电状态估计
文献摘要：
为了提高锂离子电池荷电状态(SOC)的估计精度,设计了一种基于双深度Q网络(双DQN)和扩展卡尔曼滤波(EKF)的锂离子电池SOC估计算法.选择锂离子电池二阶RC等效电路为研究对象,采用EKF算法重构了锂离子电池的离散系统数学模型;结合深度强化学习思想,构造了一种深度强化学习扩展卡尔曼滤波算法.该算法设计了双DQN,并对EKF参数进行优化.仿真结果表明,与DQN扩展卡尔曼滤波算法相比,双DQN扩展卡尔曼滤波算法具有更好的收敛性、自适应能力以及估计精度.
文献关键词：
锂离子电池;双DQN;荷电状态;扩展卡尔曼滤波
中图分类号：
作者姓名：
高洪森;王雪;魏宏博;游国栋;侯晓鑫;赵双乐
作者机构：
天津力神电池股份有限公司,天津 300384;天津科技大学电子信息与自动化学院,天津 300222
文献出处：
引用格式：
[1]高洪森;王雪;魏宏博;游国栋;侯晓鑫;赵双乐-.基于双DQN和扩展卡尔曼滤波的锂离子电池荷电状态估计)[J].天津科技大学学报,2022(04):49-54
A类：
B类：
DQN,锂离子电池,电池荷电状态,荷电状态估计,SOC,估计精度,EKF,估计算法,RC,等效电路,算法重构,离散系统,深度强化学习,学习思想,扩展卡尔曼滤波算法,算法设计,收敛性,自适应能力
AB值：
0.168903
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。
