龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
申请/专利权人：湖南大学
摘要：本发明公开了一种基于UKF与RBF神经网络结合的锂离子SOC估算方法及系统，通过建立电池SOC状态识别模型，初始化所述电池SOC状态识别模型的参数，并初始化UKF算法和RLS算法的参数；利用RLS算法对对所述电池SOC状态识别模型进行在线辨识，利用λ遗忘因子调整新旧数据的权重，利用所述电池模型参数，运行UKF算法，通过Sigma点传播和更新，与实际SOC进行对比，根据评估结果调整UKF算法和RLS算法的参数；并根据电池工作条件的变化，动态调整RLS算法和UKF算法的参数；输出实时SOC估计值。有效地应对各种不确定性因素，提升了电池SOC估计的可靠性和实用性。
主权项：1.一种基于UKF与RBF神经网络结合的锂离子SOC估算方法，其特征在于，所述锂离子SOC估算方法包括以下步骤：采集系统中锂离子电池的实际工作数据，对所述实际工作数据进行数据预处理，得到训练电池工作数据；建立电池SOC状态识别模型，初始化所述电池SOC状态识别模型的参数，并初始化UKF算法和RLS算法的参数；利用RLS算法对对所述电池SOC状态识别模型进行在线辨识，根据电池的充放电数据，递归更新参数估计，利用λ遗忘因子调整新旧数据的权重，得到电池模型参数；利用所述电池模型参数，运行UKF算法，通过Sigma点传播和更新，估计电池的SOC，更新状态估计和协方差矩阵，得到目标电池模型参数；将所述目标电池模型参数作为观测值输入至UKF算法中，结合电池SOC状态识别模型和观测数据，通过引入RBF神经网络对UKF的估计结果进行误差补偿，更新SOC估计；评估所述SOC估计的准确性，与实际SOC进行对比，根据评估结果调整UKF算法和RLS算法的参数；将UKF算法的输出反馈到RLS算法中，并根据电池工作条件的变化，动态调整RLS算法和UKF算法的参数；重复步骤，输出实时SOC估计值。
全文数据：
权利要求：
百度查询： 湖南大学 基于UKF与RBF神经网络结合的锂离子SOC估算方法及系统
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号