《表1 3种神经网络的SOC估算性能比较》
提示:宽带有限、当前游客访问压缩模式
本系列图表出处文件名:随高清版一同展现
《基于在线极限连续学习机的LiFePO_4动力电池SOC估算》
为验证OSELM网络与传统神经网络的性能优势,采用OSELM网络、普通ELM网络及传统BP神经网络分别进行动力电池SOC预测,测试结果如表1所示。可以看出,OSELM网络预测精度较普通ELM网络的高3.1%,较传统BP神经网络的高3.7%。OSELM学习速率是传统BP神经网络的十多倍。由于OSELM网络较传统ELM网络加入了在线连续学习过程,故需要多消耗一些训练时间,但提高了网络的预测精度,且也不会增加整个网络的预测时间,不影响估算模型的正常使用。
图表编号 | XD00100132500 严禁用于非法目的 |
---|---|
绘制时间 | 2019.10.05 |
作者 | 杨杰君、文健峰、王全、黄河、刘媛、黄浩 |
绘制单位 | 中车时代电动汽车股份有限公司湘江新区分公司、中车时代电动汽车股份有限公司湘江新区分公司、中车时代电动汽车股份有限公司湘江新区分公司、中车时代电动汽车股份有限公司湘江新区分公司、中车时代电动汽车股份有限公司湘江新区分公司、中车时代电动汽车股份有限公司湘江新区分公司 |
更多格式 | 高清、无水印(增值服务) |