基于互信息选择特征向量的锂离池SOH估计
作者:
孙豪豪
潘庭龙
吴定会
关键词:
锂电池
SVR
互信息
恒流恒压充电
电压均值
最高最低温差
SOH
摘要：
针对锂电池样本呈现出的数据量少、非线性特征,提出了一种基于互信息选择支持向量机回归(SVR)模型的输入特征向量来估计SOH的方法.考虑到影响支持向量机计算结果的因素包含输入样本的代表性和模型参数设置的好坏,在输入样本的选择上使用了互信息的方法,最终选择了恒流恒压充电过程中的电压均值和最高最低温差作为输入特征向量;选择网格搜索算法优化模型参数.实验结果表明,基于互信息选择SVR输入特征向量的锂离池SOH估计结果与基于BP神经网络模型的估计结果相比,所提方法获得了较高的SOH估计精度和泛化能力.
上一篇： 基于平衡截断的线性切换系统有限频模型降阶
下一篇：最后一页