鉛酸蓄電池荷電狀態(tài)的估計方法研究.pdf

1、鉛酸蓄電池自發(fā)明以來就得到廣泛使用，正確地使用和維護鉛酸蓄電池是延長其壽命的有效手段，其中，鉛酸蓄電池的荷電狀態(tài)是實現(xiàn)這些有效手段的重要依據(jù)。本文首先研究了影響鉛酸蓄電池荷電狀態(tài)的因素，根據(jù)這些因素與荷電狀態(tài)之間的非線性關系，本文嘗試利用誤差反向傳播（Back Propagation,BP）神經(jīng)網(wǎng)絡作為鉛酸蓄電池荷電狀態(tài)的估計模型；但是考慮到在實際情況下應用神經(jīng)網(wǎng)絡時需要采集大量的數(shù)據(jù)作為訓練樣本，非常耗時，因此本文利用在小樣本下也具有

2、同樣優(yōu)越性能的支持向量機（Support Vector Machine,SVM）作為鉛酸蓄電池荷電狀態(tài)的估計模型，并采用粒子群優(yōu)化（Particle Swarm Optimization,PSO）算法對其參數(shù)進行尋優(yōu)操作；考慮到PSO算法中的后期收斂速度慢和容易陷入局部最小值的問題，本文提出利用擴展粒子群優(yōu)化（Extended Particle Swarm Optimization,EPSO）算法對基于SVM的鉛酸蓄電池荷電狀態(tài)估計算法

3、中的參數(shù)進行尋優(yōu)操作。最后介紹實驗系統(tǒng)的搭建以及實驗驗證本文所提方法的可行性和優(yōu)越性。具體工作從以下幾個方面開展。
　　首先，本文研究鉛酸蓄電池的工作原理，分析了鉛酸蓄電池的對外電路的輸出特性，并根據(jù)鉛酸蓄電池的荷電狀態(tài)的定義，得出鉛酸蓄電池的對外電路的輸出特性中影響荷電狀態(tài)的因素，確定估計算法的輸入變量。
　　然后，本文通過查閱文獻得知，鉛酸蓄電池的荷電狀態(tài)估計是一個典型的非線性估計問題，因此本文嘗試利用在解決非線性問題上

4、具有優(yōu)越性的神經(jīng)網(wǎng)絡對鉛酸蓄電池的荷電狀態(tài)進行估計。根據(jù)輸入變量以及輸出變量，本文設計了基于 BP神經(jīng)網(wǎng)絡的鉛酸蓄電池的荷電狀態(tài)估計模型，并對其進行了仿真分析，得出其在鉛酸蓄電池的荷電狀態(tài)估計上的優(yōu)缺點。
　　其次，本文通過分析BP神經(jīng)網(wǎng)絡在鉛酸蓄電池的荷電狀態(tài)估計上的優(yōu)缺點，并聯(lián)系實際情況，設計了基于SVM的鉛酸蓄電池的荷電狀態(tài)估計模型。相比起基于BP神經(jīng)網(wǎng)絡的估計模型，該模型在滿足估計精度的要求下能更好地應用到實際情況中。

5、r>　　再次，針對SVM估計模型中的參數(shù)尋優(yōu)問題，本文提出了利用EPSO算法對其參數(shù)進行尋優(yōu)。對于基于SVM的鉛酸蓄電池的荷電狀態(tài)估計模型中的參數(shù)選取問題，本文分別采用EPSO算法和PSO算法兩種算法對其參數(shù)進行仿真尋優(yōu)，對比仿真結果，驗證了本文所提出的EPSO算法在SVM鉛酸蓄電池荷電狀態(tài)估計模型的參數(shù)尋優(yōu)過程中的優(yōu)越性。該算法比PSO算法收斂速度快，并且有效避免了PSO算法中容易陷入局部最小值問題。
　　最后，本文通過搭建鉛酸