摘要：锂离子电池具有优异的性能,在电动汽车中得到广泛应用。剩余容量和剩余寿命预测是电池健康管理的关键所在。支持向量回归机(support vector regression,SVR)作为一种具有良好的非线性、泛化性的预测算法,能有效提高锂离子电池剩余容量和剩余寿命的预测精度。在分析SVR算法原理的基础上,提出了一种基于蚁群算法(ant colony optimization,ACO)的参数优化方法,增强了SVR关键参数全局最优搜索能力,改善了SVR算法的预测能力。与基于网格搜索的SVR算法预测结果比较,仿真结果表明:改进ACO_SVR算法有更好的预测精度,能为电池管理系统提供可靠的数据。
分类：期刊> 自然科学与工程技术> 工程科技II> 电力工业
收录：北大期刊(中国人文社会科学期刊) > 统计源期刊(中国科技论文优秀期刊) > 知网收录(中) > 维普收录(中) > 万方收录(中) > CA 化学文摘(美) > JST 日本科学技术振兴机构数据库(日) > 国家图书馆馆藏 > 上海图书馆馆藏
关键词：电动汽车 支持向量回归机 剩余容量 蚁群算法
注：因版权方要求，不能公开全文，如需全文，请咨询杂志社
