《表2 几种模型的训练样本分别为66个和33个充放电周期时的预测误差》
由图7、图8和表1可以看出,这三种方法都可较好地对测试集中33个锂电池充放电周期的容量退化数据进行预测,输出残差都不超过0.03,满足实际需求。其中BP神经网络在三种预测模型中预测波动最大,预测效果较另外两种方法稍差。IPSO-Elman预测误差最小,MAE和RMSE分别为0.296%和0.327 5%,表明IPSO算法优化了Elman网络权值参数,增强了Elman神经网络的计算与泛化能力。为了更好比较IPSO-Elman预测模型在小样本预测中的稳定性,从99个充放电周期的训练样本中等比例抽取66个、33个,同样再对三种方法进行训练,将训练好的网络模型对同样的测试集进行电池容量退化数据预测,预测结果如图9、图10所示。输出残差如图11、图12所示。充放电周期时的预测误差如表2所示。
图表编号 | XD00174662700 严禁用于非法目的 |
---|---|
绘制时间 | 2020.06.15 |
作者 | 刘子英、钱超、朱琛磊 |
绘制单位 | 华东交通大学电气与自动化工程学院、华东交通大学电气与自动化工程学院、华东交通大学电气与自动化工程学院 |
更多格式 | 高清、无水印(增值服务) |