基于改进RBF神经网络训练算法的蓄电池SOC估算

摘要：

为了对基站铅酸蓄电池的剩余容量进行估算,在RBF神经网络训练算法中采用梯度下降法结合L1,L2正则化实现隐层节点数的选择.通过模糊控制思想提高泛化能力,引入模拟退火算法减少了需要重复训练的次数.Matlab仿真结果表明,通过改进的RBF神经网络训练算法对蓄电池的电池剩余容量(SOC)估算平均误差达到2％,改进了估算精度的同时也提高了泛化能力并且减少了重复训练的次数.

关键词：SOC估算、RBF神经网络、正则化、模糊控制、模拟退火算法、Matlab

所属期刊栏目：41

分类号：TN245-34;TM912(光电子技术、激光技术)

资助基金：国家自然科学基金项目61761007;广西自然科学基金项目2016GXNSFAA380222

在线出版日期：2018-10-30（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：146-149