【技术实现步骤摘要】
本专利技术涉及锂离子电池领域，特别是基于ukf与rbf神经网络结合的锂离子soc估算方法及系统。
技术介绍
1、锂离子电池建模是一个复杂且繁琐的过程，因锂离子电池内部的电化学过程是一个非线性的复杂系统，我们很难找到一个全面的模型来描述电池内部的所有特性。现有技术中已经对电化学模型、等效电路模型、基于数据驱动的模型进行了全面的介绍，而等效电路模型相比于其他模型，因其结构相对稳定，能够相对清晰的描述电池内部的动态特性，因此被广泛应用与车载动力电池的参数辨识。现有技术中戴维宁等效电路模型分为1阶到n阶rc等效电路，模型的阶数越高，精度也越高，同时计算也越复杂，一般二阶rc等效电路精度满足要求，计算相对简单。因此如何建立一个高效准确识别电池soc的模型，从而提升电池soc识别的准确性和高效性是现阶段丞待解决的技术问题。
技术实现思路
1、本专利技术的目的是为了解决上述问题，设计了基于ukf与rbf神经网络结合的锂离子soc估算方法及系统。
2、实现上述目的本专利技术的技术方案为，进一步...
【技术保护点】
1.一种基于UKF与RBF神经网络结合的锂离子SOC估算方法，其特征在于，所述锂离子SOC估算方法包括以下步骤：
2.如权利要求1所述的一种基于UKF与RBF神经网络结合的锂离子SOC估算方法，其特征在于，所述采集系统中锂离子电池的实际工作数据，对所述实际工作数据进行数据预处理，得到训练电池工作数据，包括：
3.如权利要求1所述的一种基于UKF与RBF神经网络结合的锂离子SOC估算方法，其特征在于，所述建立电池SOC状态识别模型，初始化所述电池SOC状态识别模型的参数，并初始化UKF算法和RLS算法的参数，包括：
4.如权利要求1所...
【技术特征摘要】
1.一种基于ukf与rbf神经网络结合的锂离子soc估算方法，其特征在于，所述锂离子soc估算方法包括以下步骤：
2.如权利要求1所述的一种基于ukf与rbf神经网络结合的锂离子soc估算方法，其特征在于，所述采集系统中锂离子电池的实际工作数据，对所述实际工作数据进行数据预处理，得到训练电池工作数据，包括：
3.如权利要求1所述的一种基于ukf与rbf神经网络结合的锂离子soc估算方法，其特征在于，所述建立电池soc状态识别模型，初始化所述电池soc状态识别模型的参数，并初始化ukf算法和rls算法的参数，包括：
4.如权利要求1所述的一种基于ukf与rbf神经网络结合的锂离子soc估算方法，其特征在于，所述利用rls算法对对所述电池soc状态识别模型进行在线辨识，根据电池的充放电数据，递归更新参数估计，利用λ遗忘因子调整新旧数据的权重，得到电池模型参数，包括：
5.如权利要求1所述的一种基于ukf与rbf神经网络结合的锂离子soc估算方法，其特征在于，所述利用所述电池模型参数，运行ukf算法，...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。