典型文献
基于IGA-BP神经网络的锂电池健康状态估算
文献摘要：
针对锂离子电池健康状态(SOH)估算精度低、传统遗传算法(GA)易陷入局部最优、收敛速度慢的问题,为提高锂电池健康状态的估算精度,提出了交叉概率和变异概率自适应的调整策略对传统GA进行改进,在改进遗传算法(IGA)的作用下,使优良个体仍保持较好的进化能力,算法初期搜索范围、后期局部搜索能力以及收敛速度也得到加强.提取间接健康因子,再用改进的遗传算法对BP神经网络的初始参数寻优得到IGA-BP神经网络模型,基于NASA锂电池数据集分别用GA-BP与IGA-BP神经网络算法对SOH进行估算.结果表明:IGA-BP神经网络算法估算精度更高,且具备快速收敛的优势,平均绝对百分比误差和均方根误差分别下降了0.422％和0.412,拟合程度提高了8.1％.
文献关键词：
锂离子电池;健康状态估算;自适应调整策略;IGA-BP;间接健康因子;参数寻优
中图分类号：
作者姓名：
何浩然;丁稳房;吴铁洲;王航
作者机构：
湖北工业大学太阳能高效利用及储能运行控制湖北省重点实验室,湖北武汉430068
文献出处：
引用格式：
[1]何浩然;丁稳房;吴铁洲;王航-.基于IGA-BP神经网络的锂电池健康状态估算)[J].电源技术,2022(01):73-77
A类：
B类：
IGA,锂电池,电池健康状态,健康状态估算,锂离子电池,SOH,估算精度,局部最优,收敛速度,速度慢,变异概率,改进遗传算法,搜索范围,局部搜索,搜索能力,间接健康因子,改进的遗传算法,参数寻优,NASA,神经网络算法,快速收敛,平均绝对百分比误差,别下,拟合程度,自适应调整策略
AB值：
0.265351
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。
