基于神經(jīng)網(wǎng)絡(luò)的鎳氫電池容量預(yù)測(cè)及智能充電.pdf

1、當(dāng)前，隨著環(huán)保和能源問(wèn)題日益突出，電動(dòng)汽車(chē)以其零排放、低噪聲等優(yōu)點(diǎn)而備受關(guān)注，世界各國(guó)都把電動(dòng)汽車(chē)作為汽車(chē)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(zhǎng)、適合大電流放電、無(wú)污染等優(yōu)異綜合性能，成為電動(dòng)汽車(chē)用蓄電池的首選。與鎳氫電池相關(guān)的電池管理系統(tǒng)近年來(lái)一直是研究的熱點(diǎn)問(wèn)題，電池的剩余容量預(yù)測(cè)和實(shí)現(xiàn)快速無(wú)損充電是其中兩個(gè)重要的內(nèi)容，本文在現(xiàn)有文獻(xiàn)的基礎(chǔ)上，引入模糊技術(shù)及神經(jīng)網(wǎng)絡(luò)方法對(duì)鎳氫電池管理系統(tǒng)中的這兩個(gè)問(wèn)題進(jìn)行了深入研究。

2、 首先，研究了MH-Ni蓄電池的剩余容量預(yù)測(cè)問(wèn)題。考慮到BP神經(jīng)網(wǎng)絡(luò)收斂速度慢，存在局部極小點(diǎn)等問(wèn)題，本論文采用RBF神經(jīng)網(wǎng)絡(luò)的方法對(duì)鎳氫電池荷電狀態(tài)進(jìn)行了預(yù)估。針對(duì)RBF隱含層節(jié)點(diǎn)數(shù)和相應(yīng)的數(shù)據(jù)中心難以確定的設(shè)計(jì)難點(diǎn)，提出了動(dòng)態(tài)最近鄰算法，經(jīng)過(guò)仿真驗(yàn)證，該方法是有效的，預(yù)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(luò)可以以任意精度逼近任意函數(shù)的優(yōu)點(diǎn)，論文建立了鎳氫蓄電池的充電過(guò)程近

3、似模型，同樣針對(duì)RBF隱含層節(jié)點(diǎn)數(shù)和相應(yīng)的數(shù)據(jù)中難以確定的設(shè)計(jì)難點(diǎn)，提出了一種有效的神經(jīng)網(wǎng)絡(luò)優(yōu)化算法：首先利用動(dòng)態(tài)最近鄰聚類(lèi)學(xué)習(xí)算法來(lái)調(diào)節(jié)隱含層節(jié)點(diǎn)的數(shù)目并初定中心；然后采用優(yōu)化方法進(jìn)行數(shù)據(jù)中心、輸出權(quán)值和閾值的優(yōu)化。經(jīng)實(shí)驗(yàn)仿真驗(yàn)證，表明該方法能產(chǎn)生精確的預(yù)測(cè)效果。最后，將神經(jīng)網(wǎng)絡(luò)與模糊控制相結(jié)合，設(shè)計(jì)出了模糊神經(jīng)網(wǎng)絡(luò)控制器，用于對(duì)MH-Ni蓄電池進(jìn)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(shí)間，可以實(shí)現(xiàn)MH-Ni蓄電池的智能