中國最近成為了世界上第五個宣布逐步淘汰化石燃料傳統(tǒng)汽車的國家,我國大力推廣電動汽車普及的步伐,擬將電動汽車作為真正可持續(xù)發(fā)展的交通方式。電池屬于電動汽車的關鍵技術之一,其中電池剩余容量（SOC）的預測是對于電池來說是非常重要的。首先,本文通過對鋰電池SOC預測現(xiàn)狀研究分析,確定了本文的研究方法;然后概述了鋰離子電池的工作原理以及影響其SOC的因素。本文提出了兩種基于神經(jīng)網(wǎng)絡的預測模型:一種是將元胞自動機這種傳統(tǒng)的人工生命模型引入到人工神經(jīng)網(wǎng)絡,利用兩者相結合的方法構造出元胞神經(jīng)網(wǎng)絡模型,而另外一種模型是將NEAT算法與BP神經(jīng)網(wǎng)絡相結合,然后再引入人工生命算法中的量子行為粒子群算法來優(yōu)化NEAT-BP模型,進而得到QPSOBP-NEAT這種改進人工神經(jīng)網(wǎng)絡模型。為了驗證本文提出的模型是否有效,分別進行了仿真模型數(shù)據(jù)實驗和實際放電實驗來測試模型的有效性和可靠性。在仿真模型實驗中,利用ADVSOR和鋰離子電池模型設置UDDS、10-15和FTP75三種不同的工況,進而來獲取對應工況下的電壓、電流和SOC值,最后再獲取五種不同的倍率放電情況下的數(shù)據(jù),歸一化完樣本數(shù)據(jù)之后再利用這些數(shù)據(jù)對所提出... 

【文章來源】：重慶郵電大學重慶市

【文章頁數(shù)】：84 頁

【學位級別】：碩士

【部分圖文】：

典型的BP神經(jīng)網(wǎng)絡結構模型

圖 2.4 人工神經(jīng)元模型其中，人工神經(jīng)元的輸入向量為1 2( , , )nX = x x x(2.4)其相應的連接權向量為：( )1 2, ,j j jmW = w w w(2.5)則神經(jīng)元 j 的凈輸入為：1nj ji i jiS w x θ== (2.6)上式(3.3)中，jθ 表示神經(jīng)元的閾值，又被稱為門限。凈輸入（含門限jθ ）通過激活函數(shù) f ( )后，得到神經(jīng)元的輸出iy( )n ny f S f w x θf w x = = = (2.7)

18圖 2.5 BP 神經(jīng)網(wǎng)絡的流程圖 神經(jīng)網(wǎng)絡的局限性經(jīng)網(wǎng)絡的學習過程可以看成是在給定學習樣本情況下一個非解過程，從本質上來說是一個靜態(tài)網(wǎng)絡，只能實現(xiàn)非線性的有動態(tài)信息處理能力，也就是說它不是一個非線性的動力學

【參考文獻】：
期刊論文
[1]淺析新能源汽車的發(fā)展意義及發(fā)展階段[J]. 李佳星,胡楠,許正銳.  南方農(nóng)機. 2017(01)
[2]基于LabVIEW的鋰電池監(jiān)測系統(tǒng)及SOC預測研究[J]. 陳林,張持健,殷安龍,許矛盾.  電子設計工程. 2016(15)
[3]鋰電池SOC預測方法綜述[J]. 張持健,陳航.  電源技術. 2016(06)
[4]優(yōu)化的BP神經(jīng)網(wǎng)絡在預測電動汽車SOC上的應用[J]. 周美蘭,王吉昌,李艷萍.  黑龍江大學自然科學學報. 2015(01)
[5]淺議新能源汽車的產(chǎn)業(yè)特色與發(fā)展展望[J]. 付海洋.  無線互聯(lián)科技. 2014(02)
[6]自適應神經(jīng)模糊系統(tǒng)的LiFePO4電池SOC預測[J]. 尹安東,周斌,江昊,趙韓.  電子測量與儀器學報. 2014(01)
[7]基于遺傳神經(jīng)網(wǎng)絡的電動汽車鋰電池SOC預測[J]. 黃耀波,唐海定,章歡,翁國慶.  機電工程. 2013(10)
[8]基于QPSO-BP神經(jīng)網(wǎng)絡的鋰電池SOC預測[J]. 劉征宇,楊俊斌,張慶,張利,趙愛國.  電子測量與儀器學報. 2013(03)
[9]基于神經(jīng)網(wǎng)絡的磷酸鐵鋰電池SOC預測研究[J]. 尹安東,張萬興,趙韓,江昊.  電子測量與儀器學報. 2011(05)
[10]電動汽車電池的現(xiàn)狀及發(fā)展趨勢[J]. 宋永華,陽岳希,胡澤春.  電網(wǎng)技術. 2011(04)

博士論文
[1]量子行為粒子群優(yōu)化算法研究[D]. 孫俊.江南大學 2009
[2]粒子群優(yōu)化算法的改進及應用[D]. 王俊偉.東北大學 2006
[3]元胞自動機的語法復雜性[D]. 江志松.蘇州大學 2001

碩士論文
[1]主動均衡型電動自行車鋰電池智能保護器研究[D]. 陳歡.重慶郵電大學 2016
[2]負端保護型電動自行車智能鋰電池保護器系統(tǒng)研究[D]. 劉波.重慶郵電大學 2016
[3]關于電池BMS系統(tǒng)SOC估測算法的研究[D]. 龐瀛洲.長安大學 2015
[4]電動汽車鋰電池組SOC預測研究[D]. 段玲玲.沈陽理工大學 2012
[5]遺傳進化神經(jīng)網(wǎng)絡算法在分類問題中的設計和研究[D]. 尤一帆.浙江大學 2011
[6]人工魚自學習理論及方法研究[D]. 劉燚.蘇州大學 2009
[7]基于遺傳算法的BP網(wǎng)絡優(yōu)化研究及其應用[D]. 鄭衛(wèi)燕.哈爾濱工程大學 2008
[8]元胞自動機及其在創(chuàng)新擴散中的應用[D]. 周奇.大連理工大學 2006



本文編號：3037440