轻工学报

作者：王震, 陆金桂

单位：南京工业大学机械与动力工程学院,江苏南京211816

关键词：电池SOC, 蚁群优化, 神经网络, 估算模型

针对单一BP神经网络模型估算锂离子电池SOC易陷入局部最优的问题，引入蚁群算法ACO，并与BP神经网络模型相结合，提出了改进的ACO-BP神经网络以估算电池SOC.采用惯性矫正算法，在校正权阈值时加入惯性量，以改进BP神经网络；利用改进的全局信息素更新规则来改进ACO算法，以解决其易早熟收敛的问题.将经改进的ACO-BP神经网络应用于18650锂离子动力电池SOC估算，结果表明，改进的ACO-BP神经网络估算SOC的相对误差能控制在±1.957%以内，MAPE为0.897%，精度和稳定性明显优于单一BP神经网络和ACO-BP神经网络.

来源：2019年第4期

《轻工学报》期刊编辑部

查看轻工学报杂志2019年第4期