买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：北京许继电气有限公司

摘要：本公开涉及一种锂离子电池荷电状态预测方法，通过引入一个特别设计的四层模糊神经网络FNN结构和权值调节律，确定四层神经网络输入层、隶属函数层、规则层、输出层的关系，利用影响SOC的关键因素电压、电流、温度和历史SOC样本值等信息对四层RBF神经网络进行训练，计算四层神经网络权值调节律；得到四层神经网络的预测模型，在线预测SOC值，如果预测精度达到要求，则停止计算。

主权项：1.一种锂离子电池的荷电状态预测方法，其特征在于，包括：步骤101、构建四层模糊神经网络，其中所述四层模糊神经网络包括：输入层、隶属函数层、规则层、输出层；其中输入层用于将输入向量Zδ传递到隶属函数层；其中，δ＝1，2..m表示输入层的输入向量，m代表输入层输入向量个数；其中所述输入向量为所属锂离子电池的参数；其中所述隶属函数层为以输入向量Zδ作为参数的高斯函数： 其中，u代表隶属函数层高斯函数，j代表隶属函数层的第j个神经元，表示隶属函数层中以第δ个输入向量为变量的第j个高斯函数；exp[.]是指数函数，和分别表示输入向量zδ的第j个高斯函数的节点的中心和宽度，j＝1,2,....β，β代表隶属函数层神经元个数；其中所述规则层用于利用模糊推理机制，根据隶属函数层的输出，结合预设的规则库，计算得出规则层的输出；其中该规则层采用高斯函数作为隶属函数，以输入向量以及节点中心、宽度为基础，计算输入向量在各高斯函数节点上的隶属度；规则层运用模糊推理机制，输出为 其中，S代表规则层输出，Sk表示规则层的第k个神经元输出，k＝1,2,....,λ代表第k个神经元，λ代表神经元个数；表示基于第δ个输入向量的隶属函数层中第j个神经元和规则层中第k个神经元之间的权值；其中所述输出层用于根据规则层的输出、输出层与规则层之间的权值，计算得出最终的SOC预测值本层的神经元表示输出变量y： 其中，wk是规则层第k个神经元和输出层之间的权值，λ表示规则层神经元个数；输出层的神经元为：y＝wTs其中，w＝w1,w2,w3....wλT,T代表矩阵转置，s＝s1,s2,s3....sλ；步骤102、初始化四层模糊神经网络参数，利用聚类方法初始化隶属函数层高斯函数节点中心和宽度，规则层和输出层之间权值wk的初始化可以选取[0，1]之间的数值作为权重；步骤103、确定训练样本的输入向量X＝[x1,x2,....,xm]T，输出向量m是输入层的神经元个数，λ是输出层的神经元个数；步骤104、计算输出层的均方根误差RMS值 步骤105、确定RMS是否达到要求的预设精度；如果是则步骤结束；如果否则返回步骤103继续训练。

全文数据：

权利要求：

百度查询： 北京许继电气有限公司 锂离子电池的荷电状态预测方法