基于支持向量回归算法的电动汽车动力电池SOC估计研究
电动汽车行驶过程中，如何准确估计动力电池的荷电状态(SOC)是一个亟待解决的问题。利用支持向量回归算法(e-SVR)非线性逼近能力强、收敛速度快、具有全局最优解的特性，对电动汽车动力电池的SOC估计进行了研究。首先利用电动汽车仿真平台软件ADVISOR获得了估计过程中需要的训练数据和测试数据，然后对其进行了归一化预处理，利用交叉检验和栅格搜索法来确定支持向量回归模型中的参数。最后，对比BP神经网络算法，进行了仿真实验。结果表明，利用e-SVR算法能更准确地逼近实际SOC值，获得更好的估计效果。
支持向量回归 电动汽车 动力电池 神经网络 SOC估计
张承慧 石庆升 崔纳新 孔庆
山东大学控制科学与工程学院;济南250061 山东大学控制科学与工程学院济南250061
国内会议
杭州
中文
2008-11-15（万方平台首次上网日期，不代表论文的发表时间）