[发明专利]基于纵横交叉优化模糊BP神经网络的电池故障诊断方法

摘要

本发明提供的基于纵横交叉优化模糊BP神经网络的电池故障诊断方法，首先对样本进行模糊化，对故障诊断中对不精确或不确定等模糊信息进行处理，是神经网络的训练样本更精确；接着利用纵横交叉算法对神经网络的各项权值和阈值进行优化，使神经网络收敛速度加快，并且不会陷入局部最优，将模糊理论与纵横交叉对神经网络的优化相结合，使得对电池故障的诊断更加精确。本发明提供的基于纵横交叉优化模糊BP神经网络的电池故障诊断方法，适用于锂电池、铅酸电池以及其他燃料电池等常用的一系列电池，不管是静置还是使用状态，都能对电池进行实时的故障诊断，相比于现有的其他电池故障诊断方法，该方法的精度更高，误差更小。

主权项

1.基于纵横交叉优化模糊BP神经网络的电池故障诊断方法，其特征在于，包括以下步骤：S1：获取样本数据，对样本数据进行预处理；S2：根据预处理后的样本数据，人为地进行电池常见故障分析，得到各电池故障症状；S3：将各电池故障症状作为输入量，进行模糊化处理，得到模糊BP神经网络的训练样本；S4：根据各电池故障症状构建BP神经网络模型，并初始化模型算法参数；S5：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；S6：根据当前的权值与阈值进行计算，比较确定当前最优位置；S7：利用纵横交叉算法对BP神经网络的权值和阈值进行优化，得到优化后的参数；S8：将优化后的参数作为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满足预定的误差精度，则执行步骤S9；否则，执行步骤S6，重新进行优化迭代；S9：停止迭代，得到经纵横交叉算法优化后的模糊BP神经网络，将步骤S3中得到的训练样本导入优化后的BP神经网络中，输出网络预测结果；S10：通过网络预测结合进行反模糊化，得到电池故障的诊断结果。