基于神經(jīng)網(wǎng)絡的鎳氫電池容量預測及智能充電.pdf

1、當前，隨著環(huán)保和能源問題日益突出，電動汽車以其零排放、低噪聲等優(yōu)點而備受關注，世界各國都把電動汽車作為汽車工業(yè)的發(fā)展方向，而鎳氫蓄電池以其比能量高、循環(huán)壽命長、適合大電流放電、無污染等優(yōu)異綜合性能，成為電動汽車用蓄電池的首選。與鎳氫電池相關的電池管理系統(tǒng)近年來一直是研究的熱點問題，電池的剩余容量預測和實現(xiàn)快速無損充電是其中兩個重要的內(nèi)容，本文在現(xiàn)有文獻的基礎上，引入模糊技術及神經(jīng)網(wǎng)絡方法對鎳氫電池管理系統(tǒng)中的這兩個問題進行了深入研究。

2、 首先，研究了MH-Ni蓄電池的剩余容量預測問題?？紤]到BP神經(jīng)網(wǎng)絡收斂速度慢，存在局部極小點等問題，本論文采用RBF神經(jīng)網(wǎng)絡的方法對鎳氫電池荷電狀態(tài)進行了預估。針對RBF隱含層節(jié)點數(shù)和相應的數(shù)據(jù)中心難以確定的設計難點，提出了動態(tài)最近鄰算法，經(jīng)過仿真驗證，該方法是有效的，預估結(jié)果滿足了工業(yè)精度要求。 其次，研究了MH-Ni蓄電池的充電特性。利用RBF神經(jīng)網(wǎng)絡可以以任意精度逼近任意函數(shù)的優(yōu)點，論文建立了鎳氫蓄電池的充電過程近

3、似模型，同樣針對RBF隱含層節(jié)點數(shù)和相應的數(shù)據(jù)中難以確定的設計難點，提出了一種有效的神經(jīng)網(wǎng)絡優(yōu)化算法：首先利用動態(tài)最近鄰聚類學習算法來調(diào)節(jié)隱含層節(jié)點的數(shù)目并初定中心；然后采用優(yōu)化方法進行數(shù)據(jù)中心、輸出權值和閾值的優(yōu)化。經(jīng)實驗仿真驗證，表明該方法能產(chǎn)生精確的預測效果。最后，將神經(jīng)網(wǎng)絡與模糊控制相結(jié)合，設計出了模糊神經(jīng)網(wǎng)絡控制器，用于對MH-Ni蓄電池進行智能充電。仿真結(jié)果表明該方法縮短了鎳氫蓄電池的充電時間，可以實現(xiàn)MH-Ni蓄電池的智能