《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》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

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。