文献类型：期刊文章

作　　者：张利东[1] 牛志刚[1] 刘瑛[2]

ZHANG Li-dong;NIU Zhi-gang;LIU Ying(School of Mechanical and Transportation Engineering,Taiyuan University of Technology,Shanxi Taiyuan 030024,China;JMC Heavy Duty Vehicle Co.,Ltd.,Shanxi Taiyuan 030032,China)

机构地区：[1]太原理工大学机械与运载工程学院,山西太原030024 [2]江铃重型汽车有限公司技术开发研究院,山西太原030032

出　　处：《机械设计与制造》

基　　金：山西省科技重大专项项目(20181102009);山西省研究生联合培养基地人才培养项目(2018JD13)。

年　　份：2023

期　　号：2

起止页码：189-194

语　　种：中文

收录情况：BDHX、BDHX2020、JST、RCCSE、ZGKJHX、核心刊

摘　　要：针对Back Propagation(BP)神经网络建立的动力电池荷电状态(State of Charge,简称SOC)估计模型存在的精度、稳定性等问题,使用遗传算法(Genetic Algorithm,简称GA),对SOC估计网络模型进行优化。使用以轮盘赌算法配合最佳个体保存法做为遗传算法核心选择算法,避免传统选择算法中最佳个体可能丢失的情况。实验对象选用新能源氢电混动重卡4X2/6X2T FCV的辅助动力电池包。模型考虑了环境温度、放电电压、放电倍率以及直流内阻的影响,对不同隐含层数量对模型估计精度的影响进行了对比分析。测试结果表示,使用遗传算法优化后的神经网络SOC估计模型的精度和稳定性得到大幅提升。

关 键 词：SOC估计模型  磷酸铁锂电池包  遗传算法 BP神经网络

分 类 号：TH16] TM912]