典型文献
基于SSA-ELM的动力电池健康状况预测研究
文献摘要：
电池健康状况预测是确保电动汽车高效安全的重要手段之一.目前这一领域大多数研究工作都基于可控条件下的充放电实验进行,与实车数据的差别较大,难以实际应用.提出了一种基于SSA优化的极限学习机模型的两步式实车电池健康状况预测方法.SSA优化能够提升ELM的预测精度和稳定性.第一个模型使用三个间接健康因子作为输入建模SOH,获取到了较明显的变化趋势.之后使用第二个模型进行SOH时序预测,并在MIT实验数据集和实车数据集上分别进行了验证,结果表明模型具有较高精度和泛化能力.
文献关键词：
动力电池;SOH;极限学习机;麻雀搜索算法
中图分类号：
作者姓名：
王亦乐;黄宏成;杨健;徐世琦;尹明轩
作者机构：
上海交通大学,上海200240;上汽大众汽车有限公司,上海201805
文献出处：
引用格式：
[1]王亦乐;黄宏成;杨健;徐世琦;尹明轩-.基于SSA-ELM的动力电池健康状况预测研究)[J].传动技术,2022(02):3-6,13
A类：
B类：
SSA,ELM,动力电池,预测研究,电动汽车,高效安全,充放电实验,实车数据,极限学习机模型,两步式,模型使用,间接健康因子,SOH,取到,时序预测,MIT,泛化能力,麻雀搜索算法
AB值：
0.366164
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
