精确估算车用锂电池荷电状态(SOC)值,采用PID神经网络方法建立电池模型,设定电池电压、放电电流、电池累计放电量和电池电极温度4个变量为模型输入量,电池剩余电量为模型输出量,由此得到了全部神经网络训练数据,并仿真估算出电池SOC值。仿真结果表明,利用该方法对电池SOC进行估算,误差小于3.66%,方法有效。汽车技术表1188组电池模块部分充电数据全部数据得到后,将数据导入到训练样本,进行归一化处理。对采样的1600组放电时数据进行分析,利用Matlab编程实现PID神经网络对电池SOC进行仿真[10],设置学习速率为0.05,最大训练代数为10000次,均方差为0.006网络的车用锂电池-电动折弯机数控滚圆机滚弧机张家港钢管滚圆机滚弧机,得到网络学习曲线如图3所示。可以看出网络训练所得到误差很小,达到了目标值。真值与仿真数据的对比结果如图4所示,其中,最大相对误差为3.66%,完全满足2008国家“863”计划现代交通技术领域中对电池SOC估算误差控制在5%范围内的要求。结果证明,将PID神经网络应用于SOC估算能有效地提高SOC估算精度。图3网络训练结果图4真值与PID神经网络估算值对比为了进一步验证该算法的实用性,将复合电源纯电动大客车在中国典型城市公交车工况(图5)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.gunyuanj
- [2019-08-06]传感器优化设计-液压电动滚圆机
- [2019-08-06]界面自组装-数控滚圆机滚弧机电
- [2019-08-06]澄清效果的影响-数控滚圆机滚弧
- [2019-08-05]刚度的解析公式-数控滚圆机滚弧
- [2019-08-05]制备及缓释性能-数控滚圆机滚弧
- [2019-08-05]组振动建模研究-数控滚圆机滚弧
- [2019-08-04]模型的风电功率预测-数控滚圆机
- [2019-08-04]最大准入容量计算-数控滚圆机滚
- [2019-08-03]传输电缆建模研究-数控滚圆机滚
- [2019-08-03]风电网损及运行-数控滚圆机滚弧