基于动态最近邻聚类算法的RBF神经网络及其在MH-Ni电池容量预测中的应用.pdfVIP

Vol.20 NO.ll 电 E 技术学报 2005 年 1 1 月 TRANSACTIONS OF CHINA ELECTROTECHNICAL SOCIETY Nov. 2005 第 20 卷第 11 期 基于动态最近邻聚类算法的 RBF 神经网络 及其在 MH-Ni 电池容量预测中的应用 张秀玲宋建军 (燕山大学电气工程学院 秦皇岛 066004 ) 摘要 基于 RBF 神经网络的设计难点提出了一种动态确定隐含层节点数及数据中心的新方 法，即动态最近邻聚类算法，消除了现有算法中人为因素对数据中心的影响。所设计的神经网络 具有最少的隐含层节点数，结构简单，提高了网络学习训练速度，基于动态 RBF 神经网络建立了 MH-Ni 电池容量预测模型，通过仿真，取得了理想的结果，为 MH-Ni 电池容量预测提供了新方 法。 关键词， RBF 网络动态 MH-Ni 电池 容量预测 中图分类号， TM911 RBF Neural Networks Based on Dynamic Nearest Neighbor-Clustering AIgorithm and Its Application in Prediction of MH-Ni Battery Capacity Zhang Xiuling Song Jianjun (Yanshan University Qinhuangdao 066004 China) Abstract Tbe method of controlling tbe RBFNN data centers of the hidden layer is raised in this article based on the feature of the RBFNN. It is the dynamic nearest neighbor-Clustering Algorithm This algorithm eliminates the factitious factor affecting the choice of data centers in existing aIgorithms The RBFNN has the least nodes and high studying speed. A prediction model of MH-Ni battery is cited and simulated with the dynamic RBFNN. The ideal result Îs made. an~ a novel method Îs presented for prediction of MH-Ni battery capacity. Keywords: RBFNN , dynamic , MH-Ni battery , prediction capacity 电控制、安全控制、电量显示以及温度控制等功 1 寻|言 能12l ，其中最为重要的是能够准确可靠的获得电池 现存的容量状态， ~p 电池放电容量的估计和预测。 作为二次绿色电池的 MH-Ni 电池是一种无污 传统的预测方法主要是建立在数学模型的基础 染绿色能源飞具有高比能量、高t~功率、长寿命、 上川J ，运算繁琐，精度低，仅使