基于遗传算法的Elman神经网络在镍氢电池容量预测中的应用.pdfVIP

.100. 工业仪表与自动化装置 2{阴年第 4 期 基于遗传算锋的 Elman 神经阅络 在保氢电池容量预叫中的雇用 张秀玲，朱春颖 (燕山大学电气工程学院，河北秦皇岛 066004) ) 摘望:为了准确地对媒氢电池荷电状态进行预测，在分析影响媒氢电池剩余容量的多种阁素的 基础上，综合阁内外常用的预测操氢电池的几种方法，采用 ELman 网络对魄氢电池容最预测建立 模型并用遗传算法对其初始权值和闽值进行优化。仿真结果表明:该网络不仅局部成化能力好，而 且收钱速度快。证明该网络对 MH 叩 Ni 电池剩余容量的预测是有效的。 关键词:锦氛也池;剩余容量 ;ELman 网络;遗传算法 中团分类号 :TP183 文献标志、码 :A 文章编号: 1ω0-0682(2ω9)04 甲 01∞叩03 Elman neural networks based on genetic algorithms and i阳 application in prediction of MH 叩 Ni batteηcapacity ZHANG Xiuling ,ZHU Chunying ( College 01 Electrical Engineering , Yanshan University , Hebei Qinh阳ng句。 066∞4 ， Chi，削) Abstract: For predicting the state of charge (SOC) of MH 叩 Ni battery precisely , this paper adopts Elman neural network to predict the state of charge (SOC) of MH …Ni batte巧， to create model and ωu唰 tilize GAωoptimize its original weights and bias , analyzing several methods that people often use to pre- dict the state of charge (SOC) of MH - Ni battery at present on the basis of analyzing many factors th创 affecting the MH - Ni battery residual capacity. 咽le simulation resuIts show that not only the local predic- ting capability is better but also is convergence rate quick , demonstrating the prediction the network has made to the battery residual capacity ís effective. Key words: MH - Ni battery; battery residual capacity; ELman network; GA o 51 富 咆功汽车推广应用回临的问题之一是动力电池 组动态工作特性及其管理控制问题。蓄电池剩余电 量是电动汽车电池管理控制中的重要工作[ljo 由 于电动汽车在行使过程中，电油工作状态会随着路 况不同而改变，因而建立反映电池动态特性的电池 SOC 评估模型就有着重要意义[川]。 用于预测领域的神经网络通常有 :BP 神经网 络、径向基神经网络和 Elman 神经网络等。近年来 文献用于减小预测误差提高预测精度的优化算法很 多。该文选用 Elman 网络进行建模并用遗传算法进 收稿日期 :2008 -06 -16 a金项目:燕111大学博士基金资助项目(阳的 f带着简介:张秀玲(1968) ，女，博士，教授，从事神经网络智能控 制研究，获国家科技进步工等奖一项，省部级科技进步一等奖、工等 奖各)项，发表论文ω 余篇。 行优化。通过预测仿真试瞌，结果表明该优化盾的 网络确实可以减小网络输出的预测总误楚。 1 Elman 回归网络结构描述 目前工业应用中大多数采用的是基于 BP 算法 的静态前馈 BP 神经网络和 RBF 神经网络。利用静 态前愤网络对动态系统进行辨识，实际上是将动态 时间建模问题变为静态空间建模问题，因此将会出 现许多问题。 Elman 型是一种典型的动态神经元网 络，它在前惯人工神经网络基本结构的基础上，通过 存储内部状态使其具备映射动态特征的功能，从而 使系统具有适应时变特性的能力，代表了神经网络 建模和控制的方向。 Elman 型回归神经元网络一般分为 4 居:输入 层、隐层、关联