基于AG-BP算法的锂电池模型参数在线估计

摘要

cqvip:对现有锂电池DP(dual-polarized)模型及其参数辨识方法进行研究,提出基于AG-BP算法的双极化锂电池模型参数在线辨识方法。结合混合动力脉冲测试和MATLAB CF曲线拟合工具箱得到神经网络的训练及测试数据库。结合正弦脉冲电流注入法,将注入电池的电流幅值、频率、电池电压响应幅值、温度、SOC(state of charge)作为BP神经网络的输入参数,实现了基于BP (back propagation)神经网络的锂电池DP(double polarization)模型的参数估计。将BP神经网络的权值矩阵、阈值向量作为基因编码,运用遗传算法实现了对神经网络的初始权值和阈值进行优化,提高了参数估计精度,并通过仿真实验对系统的参数估计精度进行了验证。