亚洲免费av电影一区二区三区,日韩爱爱视频,51精品视频一区二区三区,91视频爱爱,日韩欧美在线播放视频,中文字幕少妇AV,亚洲电影中文字幕,久久久久亚洲av成人网址,久久综合视频网站,国产在线不卡免费播放

        ?

        基于混沌時間序列LS-SVM的車用鋰離子電池SOC預(yù)測研究

        2019-04-30 02:10:56徐東輝
        車用發(fā)動機(jī) 2019年2期
        關(guān)鍵詞:相空間維數(shù)鋰離子

        徐東輝

        (宜春學(xué)院物理科學(xué)與工程技術(shù)學(xué)院,江西 宜春 336000)

        隨著傳統(tǒng)汽車的廣泛應(yīng)用,能源消耗與環(huán)境保護(hù)已經(jīng)成為當(dāng)前急需解決的重大問題。新能源汽車(尤其電動汽車)因具有高效節(jié)能、零排放等優(yōu)勢,被視為最有效的解決途徑之一。目前,電動汽車依然存在行駛里程短、電池容量小、電池成本高等問題。鋰離子電池具有能量密度高、自放電率低、無記憶效應(yīng)、使用壽命長等諸多優(yōu)勢,得到了較廣泛的關(guān)注,成為當(dāng)前電動汽車的首選電池。

        荷電狀態(tài)(SOC)用來描述電池剩余電量,是決定車輛續(xù)駛里程和行駛性能的重要參數(shù)之一[1]。準(zhǔn)確地估測SOC對有效延長電池循環(huán)使用壽命,預(yù)測車輛剩余行駛里程,避免電池出現(xiàn)過充放電等有著十分重要的作用。SOC不能直接測取,只能借助可直接測量的電池特性參數(shù)(如電壓、電流、溫度等)進(jìn)行估測獲得。目前比較常用的SOC估算方法大致分為基于模型的估算方法和人工智能估算方法,基于模型的估算方法主要有放電實(shí)驗(yàn)法、開路電壓法[2]、Ah計量法[3-4]、內(nèi)阻法、卡爾曼濾波[5]、擴(kuò)展卡爾曼濾波法[6]。放電實(shí)驗(yàn)法對檢測環(huán)境的要求較高,且花費(fèi)時間長,主要用于實(shí)驗(yàn)室仿真;開路電壓法需要將電池靜置一段相當(dāng)長的時間,待其達(dá)到平衡狀態(tài)后才能測出準(zhǔn)確的電池開路電壓,不能實(shí)現(xiàn)實(shí)時監(jiān)測;Ah計量法存在SOC 初始值不容易確定、誤差積累較大等缺點(diǎn);卡爾曼濾波法及擴(kuò)展卡爾曼濾波法估算精度受電池模型精度的影響,且對計算硬件要求較高[7]。人工智能估算方法[8-11]主要包括神經(jīng)網(wǎng)絡(luò)法、模糊控制等,人工智能估算方法近幾年研究較多,它有較高的非線性擬合精度,對研究對象不需要建立精確的數(shù)學(xué)模型,但其估算精度受樣本空間及樣本精確度的影響。 為此,本研究提出基于混沌時間序列LS-SVM的車用鋰離子電池SOC預(yù)測模型,針對鋰離子電池動力學(xué)系統(tǒng)混沌特性,利用相空間重構(gòu)技術(shù)恢復(fù)系統(tǒng)的多維非線性特性,擴(kuò)大SOC預(yù)測模型的訓(xùn)練樣本空間。由于LS-SVM遵循結(jié)構(gòu)化風(fēng)險最小原則,可以有效克服神經(jīng)網(wǎng)絡(luò)存在的局部最優(yōu)、訓(xùn)練周期長等缺點(diǎn),因此,最后采用LS-SVM模型對相空間重構(gòu)后得到的多維非線性時間序列進(jìn)行預(yù)測,達(dá)到提高SOC預(yù)測精度的目的。

        1 鋰離子電池動力學(xué)系統(tǒng)混沌判別

        1.1 相空間重構(gòu)

        相空間重構(gòu)技術(shù)[12-13]是混沌預(yù)測的關(guān)鍵,它把一維的時間序列重構(gòu)到具有最佳嵌入維數(shù)和延遲時間的相空間中,從而恢復(fù)系統(tǒng)原有的多維非線性特性。根據(jù)Packard及Takens定理[14-15],車用鋰離子電池動力學(xué)系統(tǒng)是一個多維非線性系統(tǒng),其電壓、電流、溫度等相關(guān)參數(shù)構(gòu)成時間序列數(shù)據(jù),通過相空間重構(gòu)恢復(fù)其原來的多維非線性混沌特性,然后基于重構(gòu)的相空間進(jìn)行預(yù)測。

        設(shè) {x(ti),i=1,2,…N}為電池動力學(xué)系統(tǒng)的時間序列,則其相空間可以表示為

        X(ti)=(x(ti),x(ti+τ),
        x(ti+2τ),…x(ti+(m-1)τ)),(i=1,2,…M)。

        (1)

        式中:m為相空間的嵌入維數(shù);τ=kΔt為時間延遲;Δt為采樣間隔;X(ti)為相空間中的點(diǎn);M滿足下式條件:

        M=N-(m-1)τ。

        (2)

        由此可得m維的重構(gòu)相空間時間序列,且與原系統(tǒng)拓?fù)涞葍r[16]。

        1.2 系統(tǒng)狀態(tài)混沌特性判別

        若要將上述相空間重構(gòu)后的時間序列應(yīng)用于車用鋰離子電池的SOC值預(yù)測,則必須對鋰離子電池動力學(xué)系統(tǒng)的時間序列進(jìn)行混沌判別。目前時間序列混沌判別的方法[15,17]主要包括功率譜法、Lyapunov指數(shù)法、Poincare映象及關(guān)聯(lián)維D2法等,由于Lyapunov指數(shù)法計算簡單方便,因此本研究選擇該計算方法對電池動力學(xué)系統(tǒng)的時間序列進(jìn)行混沌判別。

        時間延遲τ和嵌入維數(shù)m的選取對于相空間重構(gòu)具有十分重要的意義,本研究采用Kim等[18]提出的C-C算法計算τ和m,C-C算法的具體步驟如下:

        1) 計算給定時間序列的標(biāo)準(zhǔn)差σ。

        2) 計算下列3個公式:

        式中:ri=jσ/2,(j=1,2,3,4)。

        3) 對式(4)求最小值,利用求出的最小值尋找時間序列獨(dú)立的第1個整體最大值的時間窗口τw,τw=tτs(τs為時間序列的采樣間隔),根據(jù)式(6)可得嵌入維數(shù)m的值。

        τw=(m-1)τ。

        (6)

        根據(jù)以上步驟計算可得鋰離子電池動力學(xué)系統(tǒng)的時間序列τ=3,τw=21,由此可通過式(6)推算嵌入維數(shù)為m=8。

        然后根據(jù)式(6)重構(gòu)相空間|X(ti),i=1,2,…M|中的每一個點(diǎn)X(ti)的最鄰近點(diǎn)X(tj),并限制短暫分離。

        Dj(0)=min‖X(ti)-X(tj)‖,|i-j|>ω。

        (7)

        式中:ω=T/Δt,Δt為序列的采樣周期。

        根據(jù)式(8)對重構(gòu)相空間中|X(ti),i=1,2,…M|每個點(diǎn)X(ti)計算出該鄰點(diǎn)X(tj)對在l個離散時間步后的距離Dj(l)。

        Dj(l)=|X(ti+l)-X(tj+l)|,
        l=1,2,…min(M-i,M-j)。

        (8)

        假設(shè)相空間中第l個點(diǎn)的最近鄰點(diǎn)近似于以最大的Lyapunov指數(shù)速率發(fā)散,即

        dl(j)=Cleλl(jΔt)。

        (9)

        式中:Cl為初始的分離距離常數(shù)。對式(9)兩邊取對數(shù),可以得出lndl(j)=lnCl+λl(jΔt),l=1,2,…n。方程代表一簇近似平行線,斜率為λl。然后用最小二乘法擬合出最大的Lyapunov指數(shù)λmax,即

        經(jīng)計算得最大Lyapunov指數(shù)0.016 2,稍大于0,表明鋰離子電池動力學(xué)系統(tǒng)的時間序列具有混沌特性,因此可對車用鋰離子電池SOC值進(jìn)行短期預(yù)測。

        2 鋰離子動力電池SOC預(yù)測模型建立

        2.1 最小二乘支持向量機(jī)

        對于車用鋰離子電池訓(xùn)練樣本集{(xi,yi)},i=1,2,…n,其中xi表示訓(xùn)練輸入樣本,yi表示輸入訓(xùn)練樣本時得到的輸出值,利用非線性映射φ(·)把訓(xùn)練樣本映射至高維特征空間,再進(jìn)行線性回歸,假設(shè)b是偏置量,w是權(quán)值,則

        f(x)=wTφ(x)+b。

        (11)

        充分考慮訓(xùn)練樣本集的非線性程度和擬合誤差,故上式可以轉(zhuǎn)換成約束優(yōu)化,即

        約束條件是:

        yi=ω·φ(xi)+b+ξi,(ξi>0;i=1,2,…n)。

        (13)

        式(12)中γ是正規(guī)則化參數(shù),引入拉格朗日乘子αi,則可把上面優(yōu)化方式向無約束對偶空間優(yōu)化進(jìn)行轉(zhuǎn)變:

        根據(jù)下式的優(yōu)化條件:

        則有

        wTφ(xi)+b+ζi-yi=0。

        (17)

        通常來說,與其他核函數(shù)進(jìn)行對比,徑向基核函數(shù)的性能最優(yōu),故LS-SVM核函數(shù)選定為徑向基核函數(shù),則得出LS-SVM[19]預(yù)測模型為

        為進(jìn)一步提高LS-SVM預(yù)測模型精確度及泛化能力,本研究選擇Logistic映射混沌模型[20]對式(19)中的核寬度參數(shù)σ2及正規(guī)則化參數(shù)γ進(jìn)行全局尋優(yōu),Logistic映射混沌模型為

        zn+1=4zn(1-zn)。

        (20)

        設(shè)優(yōu)化問題為

        (21)

        式中:f(zi)為LS-SVM回歸值;y為實(shí)際值;f(x)為LS-SVM回歸值;zi為需要優(yōu)化的LS-SVM參數(shù)變量。具體步驟如下:

        目前,大部分報業(yè)機(jī)構(gòu)都建立了微信公眾號及官方微博,部分報業(yè)機(jī)構(gòu)甚至取消紙質(zhì)報紙,直接將微信、微博作為數(shù)字報紙的發(fā)布平臺進(jìn)行運(yùn)營,通過新媒體傳播形式重新出發(fā),打通傳統(tǒng)媒體與新媒體之間的隔閡。

        3) 迭代搜索:將步驟2)中的n個zk,i混沌變量代入式(21)中進(jìn)行迭代搜索,

        Iff(zk,i)

        4)k=k+1,zk+1,i=4zk,i(1-zk,i)。

        5) 重復(fù)步驟2)~步驟4),若在一定步數(shù)內(nèi)使f*保持不變,則進(jìn)行后續(xù)步驟。

        6) 用式(23)獲取新的混沌變量,并重復(fù)步驟2)~步驟4),若在一定步數(shù)內(nèi)使f*保持不變,則進(jìn)行后續(xù)步驟。

        2.2 混沌時間序列LS-SVM預(yù)測模型

        混沌時間序列LS-SVM預(yù)測模型結(jié)構(gòu)見圖1。其預(yù)測原理如下:

        首先將采集到的電壓、電流、溫度等相關(guān)參數(shù)進(jìn)行相空間重構(gòu),然后采用上述重構(gòu)后得到的數(shù)據(jù)訓(xùn)練LS-SVM預(yù)測模型,由此獲得該時刻LS-SVM的一步預(yù)測值:

        式中:m為嵌入維數(shù);τ為延遲時間;Xt=(xt,xt+τ,xt+2τ,…xt+(m-1)τ)。

        對于相空間重構(gòu)的第t+1點(diǎn),有:

        再由式(26)得到對t+2點(diǎn)的預(yù)測值:

        以此類推,對于相空間重構(gòu)的第t+p-1點(diǎn),有:

        則第p步的混沌時間序列LS-SVM預(yù)測值為

        式中:p為預(yù)報步長。

        圖1 混沌時間序列LS-SVM預(yù)測模型結(jié)構(gòu)

        3 混沌時間序列LS-SVM預(yù)測仿真

        3.1 試驗(yàn)數(shù)據(jù)采集

        本研究選擇100 Ah的LiFePO4電池作為研究對象,并進(jìn)行DST工況試驗(yàn)。上位機(jī)為PC機(jī),運(yùn)行BTS-600軟件,數(shù)據(jù)存儲采用SQL Sever數(shù)據(jù)庫管理系統(tǒng)。下位機(jī)選用BNT 200-100ME動力電池測試設(shè)備,電流采集設(shè)備選用CHB300-SG閉環(huán)霍爾電流傳感器,電壓采集設(shè)備選用LTC6802芯片,溫度采集設(shè)備選用DS18B20溫度傳感器。每次試驗(yàn)共采集電壓、電流及溫度等600組試驗(yàn)數(shù)據(jù),共進(jìn)行5次試驗(yàn),獲得5×600組試驗(yàn)數(shù)據(jù)。

        3.2 混沌時間序列LS-SVM模型訓(xùn)練與預(yù)測

        對采集的5×600組試驗(yàn)數(shù)據(jù)進(jìn)行重構(gòu),得到25×600組數(shù)據(jù),隨機(jī)選取20×600組為LS-SVM預(yù)測模型的訓(xùn)練樣本,另5×600組數(shù)據(jù)為檢驗(yàn)樣本,在Matlab 仿真平臺下進(jìn)行試驗(yàn)仿真。BP神經(jīng)網(wǎng)絡(luò)輸入層節(jié)點(diǎn)的個數(shù)與重構(gòu)相空間的嵌入維數(shù)保持一致,即輸入層節(jié)點(diǎn)個數(shù)為8,輸出層節(jié)點(diǎn)為1個,隱含層節(jié)點(diǎn)為6個(經(jīng)試錯法得到最終的隱含層神經(jīng)元個數(shù)),因此最后確定BP神經(jīng)網(wǎng)絡(luò)[21]為8-6-1三層結(jié)構(gòu)模型。激勵函數(shù)選擇sigmoid函數(shù),采用Levenberg-Marquardt反向傳播算法,學(xué)習(xí)步長取1 500,允許誤差為0.01。從采集到的5×600組原始試驗(yàn)數(shù)據(jù)中隨機(jī)選取4×600組為訓(xùn)練樣本,剩余的1×600組為檢驗(yàn)樣本,同樣通過Matlab仿真平臺進(jìn)行試驗(yàn)仿真?;煦鐣r間序列LS-SVM預(yù)測值與標(biāo)定值的比較見圖2,BP神經(jīng)網(wǎng)絡(luò)預(yù)測值與標(biāo)定值的比較見圖3,混沌時間序列LS-SVM與BP神經(jīng)網(wǎng)絡(luò)預(yù)測誤差比較見圖4。

        圖2 混沌時間序列LS-SVM預(yù)測值與標(biāo)定值的比較

        圖3 BP神經(jīng)網(wǎng)絡(luò)預(yù)測值與標(biāo)定值的比較

        圖4 兩種模型的預(yù)測誤差比較

        3.3 誤差分析與比較

        圖2至圖4及表1的誤差分析與比較表明,混沌時間序列LS-SVM預(yù)測模型明顯優(yōu)于BP神經(jīng)網(wǎng)絡(luò)預(yù)測模型,表明相空間重構(gòu)技術(shù)能夠恢復(fù)鋰離子動力電池原有的多維非線性特性,從多維狀態(tài)空間方面擴(kuò)大預(yù)測模型的訓(xùn)練樣本量,提高了LS-SVM預(yù)測模型的預(yù)測精確度。同時LS-SVM遵循結(jié)構(gòu)化風(fēng)險最小原則,克服了神經(jīng)網(wǎng)絡(luò)存在的局部最優(yōu)、訓(xùn)練周期長等缺點(diǎn),并且選擇Logistic映射混沌模型對LS-SVM預(yù)測模型的徑向基核函數(shù)中的γ,σ2兩個參數(shù)進(jìn)行全局尋優(yōu),提高了LS-SVM模型的預(yù)測精度及泛化性能。

        表1 誤差分析與比較

        4 結(jié)束語

        在判別鋰離子電池動力學(xué)系統(tǒng)具有混沌特性的基礎(chǔ)上,建立了基于混沌時間序列LS-SVM的車用鋰離子電池SOC預(yù)測模型。

        利用相空間重構(gòu)技術(shù)將一維時間序列重構(gòu)成多維狀態(tài)空間時間序列,恢復(fù)了鋰離子電池動力系統(tǒng)原有的多維非線性特性,最后利用LS-SVM預(yù)測模型進(jìn)行預(yù)測,獲得SOC的預(yù)測值。

        仿真試驗(yàn)結(jié)果顯示LS-SVM模型的預(yù)測精度高于BP神經(jīng)網(wǎng)絡(luò),其中平均相對誤差提高了2%。表明了相空間重構(gòu)技術(shù)可以有效地恢復(fù)系統(tǒng)原有的多維非線性特性,擴(kuò)大了LS-SVM模型的訓(xùn)練樣本空間。采用混沌優(yōu)化算法優(yōu)化LS-SVM模型的參數(shù),有效地提高了LS-SVM模型的預(yù)測精度及泛化性能。

        猜你喜歡
        相空間維數(shù)鋰離子
        β-變換中一致丟番圖逼近問題的維數(shù)理論
        束團(tuán)相空間分布重建技術(shù)在西安200 MeV質(zhì)子應(yīng)用裝置的應(yīng)用
        高能鋰離子電池的“前世”與“今生”
        科學(xué)(2020年1期)2020-08-24 08:07:56
        一類齊次Moran集的上盒維數(shù)
        關(guān)于齊次Moran集的packing維數(shù)結(jié)果
        非對易空間中的三維諧振子Wigner函數(shù)
        涉及相變問題Julia集的Hausdorff維數(shù)
        鋰離子動力電池的不同充電方式
        基于相空間重構(gòu)的電磁繼電器電性能參數(shù)預(yù)測研究
        相空間重構(gòu)和支持向量機(jī)結(jié)合的電力負(fù)荷預(yù)測模型研究
        漂亮人妻被强了中文字幕| 久久久久国产亚洲AV麻豆| 久久午夜伦鲁鲁片免费| 亚洲乱码中文字幕一线区| 亚洲人成精品久久久久| 国产成人久久777777| 久久久久国产精品片区无码| av中文字幕性女高清在线| 成人片黄网站a毛片免费| 亚洲精品97久久中文字幕无码| 亚洲成在人线电影天堂色| 日本特殊按摩在线观看| 亚洲精品国产精品乱码在线观看| 国产97在线 | 中文| 欧美精品一区二区精品久久| 久久国产精品免费一区二区三区| 天天做天天爱夜夜爽| 国产精品亚洲综合色区韩国| 精品视频在线观看一区二区三区 | 色婷婷色丁香久久婷婷| 精品国产乱码久久久久久影片| 国产精品白浆一区二区免费看 | 亚洲成av人片天堂网九九| 亚洲国产av中文字幕| 亚洲成熟女人毛毛耸耸多| 又湿又黄裸乳漫画无遮挡网站| 国产精品亚洲综合色区韩国| 99久久婷婷国产精品网| 性做久久久久久久| 欧美激情在线不卡视频网站| 亚洲av一区二区网址| 337p日本欧洲亚洲大胆色噜噜| 亚洲精品成人区在线观看| 国产九九在线观看播放| 久久麻传媒亚洲av国产| 无码aⅴ免费中文字幕久久| 四虎精品影视| 国产视频免费一区二区| 精品国品一二三产品区别在线观看| 两个人看的www中文在线观看| 中文字幕一区二区三在线|