资源描述：
《基于神经网络的电池剩余电量预测算法研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。
1、SJ005-1CHANGZHOUINSTITUTEOFTECHNOLOGY毕业设计说明书题目：基于神经网络的电池剩余电量预测算法研究二级学院：电子信息与电气工程学院专业：自动化班级：10自二学生姓名：张康学号：10020635指导教师：廉春原职称：讲师评阅教师：职称：2014年5月常州工学院电子信息与电气工程学院毕业设计说明书摘要在蓄电池的使用过程中，及时了解蓄电池的剩余电量是非常重要的。但是传统蓄电池剩余电量估算方法有两个主要的缺点：一是不能在线测量，二是误差较大。由于电池剩余电量与各影响因素之间存在复杂的非线性关系，故对其建立准确的数学模型是非常困难的。为了能
2、够有效地对电池剩余电量进行预测，在分析了影响电池剩余电量相关因素的基础上，提出了基于神经网络的电池剩余电量预测模型，目的是充分利用该模型能够任意逼近任何多输入输出参数函数的性能。神经网络预测吸取了生物神经网络诸多优点，例如非线性、非局限性、非常定型、非凸性。通过固定电阻放电来得到蓄电池的剩余电量，相比于其他方法是最为可靠的。本文提出的固定电阻放电与神经网络预测剩余电量方法在蓄电池的正常工作过程中，周期性地切换到固定电阻放电状态，实时地根据该状态下的电池端电压值来估算电池剩余电量。实验结果证明，该方法相比传统的方法具有能够在线测量、精度高、无累积误差等特点，因此具有
3、很好的工程实用价值。关键词：蓄电池；剩余电量；神经网络；固定电阻放电常州工学院电子信息与电气工程学院毕业设计说明书AbstractIntheprocessoftheuseofthestoragebattery,timelyunderstandingofbatteryremainingpowerisveryimportant.Butthetraditionalbatterysocestimationmethodhastwomainshortcomings:oneisnotonlinemeasurement,theotheristheerrorisbigger.And
4、batteryremainingpowerandthereisacomplexnonlinearrelationshipbetweenvariousinfluencingfactors,itsisverydifficulttoestablishaccuratemathematicalmodel,inordertoeffectivelyforecastthebatteryremainingpower,theinfluenceontheanalysisofthebatteryresidualcapacityonthebasisoftherelatedfactor,ba
5、tterysocwasproposedbasedonneuralnetworkpredictionmodel,makefulluseofthemodelcanbearbitraryclosetoanymorethantheperformanceoftheinputandoutputparametersofthefunction.Neuralnetworkpredictionlearnedbiologicalneuralnetwork,alotofadvantage,suchasnonlinearity,thelimitations,andfinalizethede
6、sign,theconvexityverymuch.Throughconstantresistancedischargetogetbatteryremainingpower,isthemostreliablecomparedwithothermethods.Inthispaper,theconstantresistancedischargeandneuralnetworkpredictionmethodintheprocessofthenormalworkofthebatterysoc,periodicallytoswitchtofixedresistancedi
7、schargestate,inrealtimeaccordingtotheconditionofbatteryterminalvoltagevaluetoestimatethebatteryremainingpower.Theexperimentalresultsshowthatthismethodiscomparedwiththetraditionalmethodisabletoonlinemeasurement,highprecisionandnocumulativeerror,thereforehastheverygoodengineeringpractic
8、alval
