基于算术优化算法的正则化极限学习方法.pdfVIP

下载本文档

0
0
约1.62万字
约 15页
2023-06-26 发布于四川
举报
版权申诉

基于算术优化算法的正则化极限学习方法.pdf

1、本文档内容版权归属内容提供方，所产生的收益全部归内容提供方所有。如果您对本文有版权争议，可选择认领，认领后既往收益都归您。。
2、本文档由用户上传，本站不保证质量和数量令人满意，可能有诸多瑕疵，付费之前，请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形，可联系本站下载客服投诉处理。
3、文档侵权举报电话：400-050-0827(电话支持时间：9:00-18:30)。
4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
7、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

本发明公开了一种基于算术优化算法的正则化极限学习方法，结合自适应卡尔曼滤波构造了SOC估计模型，包括：在极限学习机中引入正则化的概念，并且用算术优化算法对极限学习机进行优化，以避免过拟合的问题，同时提高了一定估计精度；利用数据融合技术，将优化后的正则化极限学习机估计值作为离散自适应卡尔曼滤波测量值对SOC估计模型进行估计，将结果进行去噪和预测得到最终的SOC估计值；从不同温度下的标准驱动循环、多个标准驾驶混合循环和不同温度下相应的充电过程中收集训练数据集和测试数据集，实验中均方根误差和平均绝对误

(19)国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 116306870 A (43)申请公布日 2023.06.23 (21)申请号 202310281636.7 (22)申请日 2023.03.21 (71)申请人南京邮电大学