锂离子电池剩余容量估计是电动汽车电池管理系统核心技术之一。利用支持向量回归(Support Vector Regression,SVR)进行锂离子电池剩余容量的估计,其参数的选择直接决定着支持向量回归的性能。提出利用粒子群算法(Particle Swarm Optimization,PSO)和遗传算法(Genetic Algorithm,GA)对支持向量机进行参数寻优,进行锂电池剩余容量估计分析及优化参数分析;并与基于网格搜索法(Grid Search,GS)的支持向量机和标准支持向量机估计结果作对比。结果表明,GASVR和PSO-SVR均能进行高精度的锂电池剩余容量估计,尤以遗传算法优化性能V时停止放电，B7电池电压降至2.2V停止放电。阻抗试验时，利用EIS以0.1Hz~5KHz频率范围对电池进行扫描，测量电池阻抗。重复充、放电试验加速电池老化进程。电池的容量变化曲线如图4所示。6.2锂电池剩余容量估计利用B5、B6、B7电池试验前80Cycle数据训练支持向量回归模型，分别利用网格搜索法、遗传算法、电池剩余容量估计-电动液压滚圆机滚弧机张家港钢管滚圆机滚弧机折弯机粒子群算法优化支持向量机的参数，得到GS-SVR模型、GA-SVR模型和PSO-SVR模型，对比SVR模型估计性能，分析3种参数优化方法的优化效果本文由公司网站滚圆机网站采集转载中国知网资源整理!www.gunyuanji.name。电池B5、B6、B7剩余容量估计结果见图5、图6和图7，预测精度对比结果见表1。图4NASA锂电池容量衰退曲线图5B5电池剩余容量预测结果图6B6电池剩余容量预测结果从表1可以看出，SVR的预测精度一直保持在10%以下，说明SVR可以对电池剩余容量进行有效的预测。对比3种模型估计结果可知，GA-SVR模型对锂离子电剩余容量估计精度最高（控制在4%以内），PSO-SVR次之（5%以下），GS-SVR估计精度较差（10%以内）。由此表明，遗传算法和粒子群算法能够有效对SVR模型进行优化，其预测精度都在5%以内，可以满足现代汽车对剩余容量估计的z频率范围对电池进行扫描，测量电池阻抗。重复充、放电试验加速电池老化进程。电池的容量变化曲线如图4所示。6.2锂电池剩余容量估计利用B5、B6、B7电池试验前80Cycle数据训练支持向量回归模型，分别利用网格搜索法、遗传算法、粒子群算法优化支持向量机的参数，得到GS-SVR模型、GA-SVR模型和PSO-SVR模型，对比SVR模型估计性能，分析3种参数优化方法的优化效果。电池B5、B6、B7剩余容量估计结果见图5、图6和图7，预测精度对比结果见表1。图4NASA锂电池容量衰退曲线图5B5电池剩余容量预测结果图6B6电池剩余容量预测结果从表1可以看出，SVR的预测精度一直保持在10%以下，说明SVR可以对电池剩余容量进行有效的预测。对比3种模型估计结果可知，GA-SVR模型对锂离子电剩余容量估计精度最高（控制在4%以内），PSO-SVR次之（5%以下），GS-SVR估计精度较差（10%以内）。由此表明，遗传算法和粒子群算法能够有效对SVR模型进行优化，其预测精度都在5%以电池剩余容量估计-电动液压滚圆机滚弧机张家港钢管滚圆机滚弧机折弯机本文由公司网站滚圆机网站采集转载中国知网资源整理!www.gunyuanji.name