[发明专利]基于纵横交叉优化神经网络的电池SOC估算方法

摘要

本发明涉及基于纵横交叉优化神经网络的电池SOC估算方法，通过纵横交叉算法对经典的神经网络算法进行优化，将纵横交叉算法的全局搜索性能力强和收敛速度快的优点与神经网络较强的拟合能力有机地结合起来，避免神经网络陷入局部最优，并且提高其收敛速度。另外，相比现有的电池SOC估算方法，本发明适用于锂电池、铅酸电池等常用的一系列电池，不管是电池处于静置还是使用状态，都能实时的对电池进行SOC估算，而且精确度高，相比其他方法误差要更小。

主权项

1.基于纵横交叉优化神经网络的电池SOC估算方法，其特征在于,包括以下步骤：S1：获取数据样本，并进行样本数据归一化处理；S2：分析影响电池SOC的主要因素，构建BP神经网络结构；S3：算法参数初始化；S4：计算BP神经网络的输出值以及各层之间的连接权值与各项阈值；S5：根据BP神经网络的输入值和输出值，以BP网络的实际输出值和期望输出值的均方误差作为CSO的适应度函数，计算每个CSO粒子的适配值，得到粒子的个体最优值与全局最优值，然后将CSO个体的最优值与全局最优值作比较，取适配值优者作为当前最优位置；S6：利用纵横交叉算法对BP神经网络的权值和阈值进行优化；S7：重复步骤S5和S6，直到满足结束条件为止；S8：将CSO算法优化得到的参数作为BP神经网络的初始权值和阈值，并将初始权值和阈值代入BP神经网络算法中进行训练；若BP神经网络的输出误差值满足预定的误差精度，则停止迭代，输出结果；否则，回到步骤S5，重新进行优化迭代，直至满足BP神经网络算法的最小允许误差为止。