公开(公告)号：CN110232432B

公开(公告)日：2022-09-20

申请号：CN201810194036.6

申请日：2018-03-05

Applicant: 重庆邮电大学

Inventor： 朴昌浩 ,  徐峰 ,  林松

IPC: G06N3/00 ,  G06N3/04 ,  G06N3/08

Abstract: 本专利发明了一种基于人工生命模型的锂电池组SOC预测方法，该方法包括人工生命模型建立和人工生命模型进化两部分。首先，建立锂电池SOC预测的人工生命模型。其次，为了使人工生命体可以更快速地学习，从而引入人工神经网络并将QPSO算法作为人工生命体的学习算法。之后，将采集电动汽车锂电池组的历史充放电数据以及对应的SOC数据提供给人工生命体进而使它们不断进化。再次，进化完成时，选取最优的种群中的最优个体作为预测锂电池SOC的模型。最后，通过测试数据对所得模型进行评估，并计算出模型的准确率。本发明无需复杂的参数配置，就可以准确地获得预测结果，而且预测精度高、误差小，预测成本低，可广泛应用于电动汽车的控制行业中。

公开(公告)号：CN110232432A

公开(公告)日：2019-09-13

申请号：CN201810194036.6

申请日：2018-03-05

Applicant: 重庆邮电大学

Inventor： 朴昌浩 ,  徐峰 ,  林松

IPC: G06N3/00 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明发明了一种基于人工生命模型的锂电池组SOC预测方法，该方法包括人工生命模型建立和人工生命模型进化两部分。首先，建立锂电池SOC预测的人工生命模型。其次，为了使人工生命体可以更快速地学习，从而引入人工神经网络并将QPSO算法作为人工生命体的学习算法。之后，将采集电动汽车锂电池组的历史充放电数据以及对应的SOC数据提供给人工生命体进而使它们不断进化。再次，进化完成时，选取最优的种群中的最优个体作为预测锂电池SOC的模型。最后，通过测试数据对所得模型进行评估，并计算出模型的准确率。本发明无需复杂的参数配置，就可以准确地获得预测结果，而且预测精度高、误差小，预测成本低，可广泛应用于电动汽车的控制行业中。