关键词：电动汽车;;SOC;;软测量;;减法聚类;;自适应模糊神经网络
摘 要：针对电动汽车电池荷电状态(state of charge,SOC)不可直接测量这一问题,引入基于减法聚类和自适应模糊神经网络的SOC软测量方法。首先,利用减法聚类确定自适应模糊神经网络的结构;然后,将反向传播算法与最小二乘算法混合使用,对网络的前件参数和结论参数分别进行优化,提高了参数的学习效率;最后,将神经网络自动生成的模糊隶属函数和规则集应用于电动汽车电池SOC的软测量中。在CYC-HWFET工况下,取电池的电压、电流和温度参数来实现SOC的软测量,仿真结果表明:基于减法聚类和自适应模糊神经网络方法的电动汽车电池SOC软测量模型精度较高,真实值与软测量值误差较小。
内 容：原文可通过湖北省科技信息共享服务平台（http://www.hbstl.org.cn)获取