典型文献
电动汽车远程监控平台的电池SOC估算
文献摘要：
为充分发挥远程监控平台的监控和故障预警作用,针对电动汽车动力电池荷电状态(State OfCharge,SOC)精准估算对汽车控制和安全运行的重要性,利用车辆上传监控平台的运行数据进行SOC估算研究.通过减聚类算法计算隐层中心数,用量子粒子群(Quantum Particle Swarm Optimization,QPSO)算法优化径向基函数神经网络(Radial Basis Function Neural Network,RBFNN)的参数及结构,确定RBF神经网络中的核函数的宽度、中心、连接权值等,在MATLAB中进行仿真实验.实验表明远程监控平台采集的数据和优化的神经网络模型能够实现更准确、快速的SOC估算.并通过汽车行驶工况试验获取SOC数据训练网络,测试结果显示该方法能避免对原车SOC输出值的依赖及其偏差,有效地并行监测电动汽车运行过程中的电池状况.
文献关键词：
动力电池;远程监控;量子粒子群算法;神经网络;荷电状态SOC
中图分类号：
作者姓名：
柳炽伟;郭美华;景玉军;钟子文
作者机构：
528403 广东省 中山市 中山职业技术学院 机电工程学院;528455 广东省 中山市 中山市公共交通集团有限公司
文献出处：
引用格式：
[1]柳炽伟;郭美华;景玉军;钟子文-.电动汽车远程监控平台的电池SOC估算)[J].农业装备与车辆工程,2022(02):39-43
A类：
OfCharge
B类：
电动汽车,远程监控,监控平台,SOC,故障预警,汽车动力电池,电池荷电状态,State,汽车控制,用车,运行数据,聚类算法,算法计算,心数,Quantum,Particle,Swarm,Optimization,QPSO,算法优化,径向基函数神经网络,Radial,Basis,Function,Neural,Network,RBFNN,核函数,连接权值,明远,汽车行驶工况,工况试验,数据训练,车运,量子粒子群算法
AB值：
0.37785
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。
