Mohammad Hosein Kazemi | Mohammad Nasiri
URL :
http://research.shahed.ac.ir/WSR/WebPages/Report/PaperView.aspx?PaperID=158838
Date : 2021/09/23
Publish in :
علوم رايانش و فناوري اطلاعات
Link : https://jcsit.ir/article/166
Keywords :حالت شارژ باتري، شبکه عصبي فازي ، فيلتر کالمن
Abstract :
در این مقاله با بکارگیری یک شبکه عصبی فازی و براساس مدل فضای حالت باتریهای لیتیوم-یون، حالت شارژ باطری تخمین زده میشود. دادههای ازمایشگاهی نمونهبرداری از باتری،
عبارتند از سیگنالهای ولتاژ و جریان پایانههای باتری که برای مدلسازی باتری مورد استفاده قرار میگیرند. با اجرای پنجره لغزان، پارامترهای مدل سیستم در پنجرههای کاری مختلف
براساس روش کمترین مربعات خطا شناسایی شده و با استفاده از یک شبکه عصبی فازی اموزش داده میشوند. سپس از تئوری فیلتر کالمن بهره برده و یک الگوریتم جهت تخمین حالت
شارژ ارائه میشود. سه دسته داده عملی از اطلاعات ولتاژ و جریان باتری به صورت جداگانه جمعاوری شده و برای اموزش شبکه عصبی فازی ، تعیین صحت عملکرد تخمین پیشنهادی و
های فیلتر تطبیقی ها، مقایسه تخمین به روش پیشنهادی و روش برای هر سه دسته از داده شوند. مدل اموزش یافته، بکار گرفته می Hinf ، EKF و SRUKF ان صورت پذیرفت که نتایج نش
میداد روش پیشنهادی در تمام حالات از شاخص خطای تخمین مناسبتری برخوردار میباشد
Files in this item :
Download |
Name :
158838_17647854828.pdf
|
Size :
2Mb
|
Format :
PDF
|