手机知网 App
24小时专家级知识服务
打 开
手机知网|搜索

基于自适应神经—模糊推理系统的铅酸蓄电池SOC模型辨识

王喜

  铅酸蓄电池的剩余容量(state of charge,SOC,又称荷电状态),对电池的健康稳定运行有着至关重要的影响。怎样及时准确地获得铅酸蓄电池SOC是电池监测管理系统中的关键技术之一。目前,利用神经-模糊和软计算并结合电池内部和外部关键参数获取铅酸蓄电池的剩余容量,已成为电池检测管理研究中的热点。论文通过分析铅酸蓄电池的电化学特性和常用的SOC检测方法,确定了影响SOC的关键参量,并提出了一种基于自适应神经-模糊推理系统的电池SOC模型辨识方法。 经对电池相关理论研究发现,铅酸蓄电池的电解液密度是影响SOC的十分关键的参量。采用自制的银/硫酸银参比电极在电池充放电实验中来获取正、负电极电势。利用BP网络、径向基网络(RBF)和自适应神经-模糊系统(ANFIS)对电解液密度进行参数辨识,训练后误差满足要求。通过分析比较前三种辨识方法,用ANFIS对电池的剩余容量进行模型辨识,说明了ANFIS具有较强的自适应和泛化能力,在MATALAB平台上仿真得到的精度比较理想,可用于蓄电池智能监控系统中。最后对基于ANFIS电池SOC检测算法作了进一步的研究分析。……   
[关键词]:铅酸蓄电池;剩余容量;自适应神经-模糊推理系统;模型辨识
[文献类型]:硕士论文
[文献出处]:华中科技大学2009年