贝叶斯正则化的LM-BP神经网络的锂电池SOC预测方法

摘要

本发明公开了一种贝叶斯正则化的LM‑BP神经网络的锂电池SOC预测方法，包括如下步骤：a、建立BP神经网络模型；b、构建贝叶斯正则化的LM‑BP神经网络算法；c、样本数据的获取以及样本SOC的计算；d、数据的归一化处理。神经网络具有很好的非线性拟合能力，不需要考虑电池内部复杂的化学结构，可以很好的拟合锂电池的动态特性，而结合贝叶斯正则化算法可以提高网络的泛化能力，再与LM算法结合则加快了网络的收敛速度提高了其逼近精度，因此，本发明具有预测精度高、收敛速度快、泛化能力强的特点，适用于多种动力电池。