結(jié)合神經(jīng)網(wǎng)絡(luò)的無(wú)跡卡爾曼濾波算法
推薦 + 挑錯(cuò) + 收藏(0) + 用戶評(píng)論（0）
為了實(shí)現(xiàn)在線估計(jì)汽車動(dòng)力電池的荷電狀態(tài)（ sOc），提出了結(jié)合神經(jīng)網(wǎng)絡(luò)的無(wú)跡卡爾曼濾波算法。以Thevenin電路為等效電路模型，建立了狀態(tài)空間表達(dá)式，采用最小二乘算法對(duì)模型參數(shù)進(jìn)行辨識(shí)。在此基礎(chǔ)上，利用神經(jīng)網(wǎng)絡(luò)算法擬合電池的荷電狀態(tài)與模型各個(gè)參數(shù)之間的函數(shù)關(guān)系，經(jīng)過(guò)多次實(shí)驗(yàn)，確定了神經(jīng)網(wǎng)絡(luò)算法的收斂曲線，此方法比傳統(tǒng)的曲線擬合精度高。介紹了擴(kuò)展卡爾曼濾波和無(wú)跡卡爾曼濾波的原理，并設(shè)計(jì)了等效電路模型驗(yàn)證實(shí)驗(yàn)、電池的SOC測(cè)試實(shí)驗(yàn)和算法的收斂性實(shí)驗(yàn)。實(shí)驗(yàn)結(jié)果表明，在不同的工況環(huán)境下，該方法估計(jì)SOC具有可在線估算、估算精度高和環(huán)境適應(yīng)度高等優(yōu)點(diǎn)，最大誤差小于4%。最后驗(yàn)證了結(jié)合神經(jīng)網(wǎng)絡(luò)的無(wú)跡卡爾曼濾波的算法具有較好的收斂性和魯棒性，可以有效解決初值估算不準(zhǔn)確和累計(jì)誤差的問(wèn)題。
非常好我支持^.^
(0) 0%
不好我反對(duì)
(0) 0%
下載地址
結(jié)合神經(jīng)網(wǎng)絡(luò)的無(wú)跡卡爾曼濾波算法下載
相關(guān)電子資料下載
- 神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型的構(gòu)建方法 109
- CNN的定義和優(yōu)勢(shì) 112
- 基于CNN的網(wǎng)絡(luò)入侵檢測(cè)系統(tǒng)設(shè)計(jì) 105
- 數(shù)據(jù)分析有哪些分析方法 82
- 數(shù)據(jù)分析與數(shù)據(jù)挖掘的區(qū)別 55
- rnn是遞歸神經(jīng)網(wǎng)絡(luò)還是循環(huán)神經(jīng)網(wǎng)絡(luò) 164
- rnn是什么神經(jīng)網(wǎng)絡(luò)模型 162
- rnn是什么神經(jīng)網(wǎng)絡(luò) 174
- 遞歸神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)形式主要分為 129
- 簡(jiǎn)述遞歸神經(jīng)網(wǎng)絡(luò)的計(jì)算過(guò)程 135