結合神經網絡的無跡卡爾曼濾波算法
大小：0.90 MB 人氣： 2017-12-08 需要積分：2
為了實現在線估計汽車動力電池的荷電狀態（ sOc），提出了結合神經網絡的無跡卡爾曼濾波算法。以Thevenin電路為等效電路模型，建立了狀態空間表達式，采用最小二乘算法對模型參數進行辨識。在此基礎上，利用神經網絡算法擬合電池的荷電狀態與模型各個參數之間的函數關系，經過多次實驗，確定了神經網絡算法的收斂曲線，此方法比傳統的曲線擬合精度高。介紹了擴展卡爾曼濾波和無跡卡爾曼濾波的原理，并設計了等效電路模型驗證實驗、電池的SOC測試實驗和算法的收斂性實驗。實驗結果表明，在不同的工況環境下，該方法估計SOC具有可在線估算、估算精度高和環境適應度高等優點，最大誤差小于4%。最后驗證了結合神經網絡的無跡卡爾曼濾波的算法具有較好的收斂性和魯棒性，可以有效解決初值估算不準確和累計誤差的問題。
非常好我支持^.^
(0) 0%
不好我反對
(0) 0%
下載地址
結合神經網絡的無跡卡爾曼濾波算法下載
相關電子資料下載
- 神經網絡預測模型的構建方法 109
- CNN的定義和優勢 112
- 基于CNN的網絡入侵檢測系統設計 105
- 數據分析有哪些分析方法 82
- 數據分析與數據挖掘的區別 55
- rnn是遞歸神經網絡還是循環神經網絡 164
- rnn是什么神經網絡模型 162
- rnn是什么神經網絡 174
- 遞歸神經網絡結構形式主要分為 129
- 簡述遞歸神經網絡的計算過程 135