车用发动机

作者：徐东辉，石本改，徐丽琴，叶雪强，王丽娜

单位：1.南昌师范学院数学与计算机科学系，江西南昌330032；2.广东机电职业技术学院汽车学院，广东广州510550；3.长沙理工大学汽车与机械工程学院，湖南长沙410076

关键词：锂离子电池；健康状态；神经网络;预测

锂离子电池模型参数具有慢时变特性，因而准确预测锂离子电池健康状态(state of health,SOH)存在较大的难题。利用非线性自回归（Nonlinear AutoRegressive with eXogenous input，NARX）神经网络建立了SOH时间序列预测模型，通过重构技术将预测模型的一维输入时间序列重构成多维状态空间，并且采用重构后的时间序列数据对NARX神经网络对进行训练，然后利用训练后的NARX神经网络进行预测得到最终的SOH时间序列预测值；试验结果显示，预测模型比RBF神经网络的均方误差提高了近6个百分点，收敛速度提高了近30 s，表明了基于NARX的SOH时间序列预测模型的预测精度及响应速度都较好。

来源：2022年第6期

《车用发动机》期刊编辑部

查看车用发动机杂志2022年第6期