文档介绍：锂电池阻抗模型参数的神经网络预测研究工学硕士学位论文授予学位单位趵砉ご笱硕士研究生:陈严君导申请学位级别:工学硕士学科、专业:模式识别与智能系统所在单位:自动化学院答辩日期:年师:李革臣国内图书分类号:
篢:
作者签名:腊孺际严翟导师签名::此处所提交的硕士学位论文《锂电池阻抗模型参数的神经网络预测研究》,是本人在导师指导下,在哈尔滨理工大学攻读硕士学位期间独立进行研究工作所取得的成果。据本人所知,论文中除已注明部分外不包含他人已发表或撰写过的研究成果。对本文研究工作做出贡献的个人和集体,均已在文中以明确方式注明。本声明的法律结果将完全由本人承担。作者签名:日期:《锂电池阻抗模型参数的神经网络预测研究当救嗽诠趵砉ご学攻读硕士学位期间在导师指导完下成的硕士学位论文。本论文的研究成果归哈尔滨理工大学所有,本论文的研究内容不得以其它单位的名义发表。本人完全了解哈尔滨理工大学关于保存、使用学位论文的规定,同意学校保留并向有关部门提交论文和电子版本,允许论文被查阅和借阅。本人授权哈尔滨理工大学可以采用影印、缩印或其他复制手段保存论文,可以公布论文的全部或部分内容。本学位论文属于保密口,在年解密后适用授权书。不保密曰。朐谝陨舷嘤Ψ娇蚰诖颉年多月/
锂电池阻抗模型参数的神经网络预测研究摘要针对目前锂电池的检测技术与分类方法相对落后,从而直接影响电池的使用寿命和可靠性能,提出利用神经网络预测电池阻抗模型参数的方法,目的是为电池的一致性研究提供理论依据和方法。电池阻抗模型包含了大量能够表现电池性能的信息,因此电池阻抗模型参数在电池一致性的研究中具有十分重要的意义。本研究将基于电子运动理论的电极等效电路应用于初始阻抗模型的建立过程中,通过参考的等效元件的阻抗谱特征,并结合测量的电池阻抗谱曲线特征对等效电路进行修正,最终得出一个既符合电池内部结构和工作原理,又符合测量结果的电池阻抗模型。在分析了电池电压响应采样值与电池阻抗模型参数相关性的基础上,采用神经网络方法,利用实验中获取的样本数据建立了电池阻抗模型参数的预测模型。在此模型的构建过程中对比了、、和五种神经网络工具箱提供的快速学习方法,选取了训练效果最优的惴ǘ酝缃醒盗贰Mü煅檠窘蟹抡检验表明,采用所构建模型预测的电池阻抗模型参数与实际测量值的最大相对误差仅为ィっ髁瞬捎肂窬缭げ獾绯刈杩鼓P筒问目尚性。研究最后将神经网络和遗传算法结合起来,利用遗传算法对神经网络进行优化,仿真结果表明,电池阻抗模型参数的预测值与实际测量值的最大相对误差降低至%,,再次证明了该模型对电池阻抗模型参数的预测能力。关键词锂电池;阻抗模型;等效电路;神经网络;遗传算法哈尔滨理大学渡涎宦畚
,.—,,甋哈尔滨理工大学妒垦宦畚.Ⅱ.
.,甌疭%,琫琤哈尔滨理工大学渡涎宦畚
目录摘要⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.第滦髀邸璴课题的研究现状⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.绯氐挠τ孟肿春头⒄⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.春系刃г<<<牟神经网络的研究现状⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯。神经网络的应用现状⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.神经网络算法的研究现状⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.研究的目的及意义⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯。课题来源及本文主要研究工作⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯。第翨窬缪臼莼袢∈笛樯杓啤实验样本数据的相关性分析⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.电压响应采样实验⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯。.⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..第碌绯刈杩鼓P筒问腂窬缭げ庋芯俊⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..哈尔滨理大学丁学硕士学位论文
神经网络预测模型的设计方法⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯神经网络结构和学习过程⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.乖霣窬绲牟街琛神经网络的结构设计⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.闶∪.憬诘闶难∪.ǖ莺难∪训练方法及训练算法的选择⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..盗匪惴ǖ难∪.盗凡问难∪基于电压响应采样值的神经网络预测模型研究⋯⋯⋯⋯⋯⋯⋯⋯