2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩80頁未讀, 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡介

1、作為蓄電池智能管理系統(tǒng)的核心組成部分,剩余電量(State of Charge,SOC)預(yù)測為合理控制蓄電池的充放電提供了依據(jù),有利于延長蓄電池的使用壽命。然而,由于蓄電池系統(tǒng)自身強(qiáng)烈的非線性,加之影響剩余電量因素的復(fù)雜性,對蓄電池的剩余電量進(jìn)行實(shí)時(shí)精確預(yù)測是一具有挑戰(zhàn)性的問題。
  針對這一挑戰(zhàn)性課題,本文在分析比較常用的傳統(tǒng)和智能的預(yù)測算法之后,選擇自適應(yīng)模糊神經(jīng)推理系統(tǒng)(Adaptive Network-based Fuzz

2、y Inference System,ANFIS)對蓄電池的剩余電量進(jìn)行建模。ANFIS是模糊邏輯與神經(jīng)網(wǎng)絡(luò)的結(jié)合,具有良好的模糊推理能力、自組織和自學(xué)習(xí)能力以及泛化能力。
  但因ANFIS默認(rèn)采用網(wǎng)格法線性劃分輸入數(shù)據(jù),如若輸入為復(fù)雜非線性數(shù)據(jù),勢必會造成模糊規(guī)則數(shù)的指數(shù)級增長。故而本文采用模糊C均值聚類(Fuzzy c-meansclustering,F(xiàn)CM)算法對輸入進(jìn)行非線性劃分,以此降低模糊規(guī)則數(shù)和系統(tǒng)復(fù)雜度。并分別采

3、用減法聚類和共軛梯度法對傳統(tǒng)FCM和ANFIS的反向傳播(BackPropagation,BP)學(xué)習(xí)算法進(jìn)行改進(jìn),建立起蓄電池剩余電量預(yù)測模型。本文完成的主要工作如下:
  (1)采用減法聚類對傳統(tǒng)FCM進(jìn)行改進(jìn)。先利用減法聚類得到的聚類中心對FCM的聚類中心進(jìn)行初始化,然后采用密度函數(shù)對FCM進(jìn)行樣本加權(quán)。改進(jìn)的聚類算法解決了傳統(tǒng)模糊C均值需要指定聚類個(gè)數(shù)、穩(wěn)定性差以及對噪聲點(diǎn)、錯(cuò)誤點(diǎn)、孤立點(diǎn)敏感的問題,同時(shí)加快了收斂速度。

4、r>  (2)針對ANFIS的BP學(xué)習(xí)算法收斂速度慢、易陷入局部最優(yōu)的缺點(diǎn),使用Fletcher-Reeves法對其進(jìn)行改進(jìn)。結(jié)果證明改進(jìn)后的算法具有更快的收斂速度、更高的預(yù)測準(zhǔn)確度。
  (3)對影響蓄電池SOC的各類因素進(jìn)行了分析,確定采用放電階段的電壓、電流、溫度以及靜態(tài)內(nèi)阻四個(gè)參數(shù)作為模型輸入?;诟倪M(jìn)的聚類算法和改進(jìn)的學(xué)習(xí)算法建立了SOC預(yù)測模型,并將此模型與基于BP神經(jīng)網(wǎng)絡(luò)的SOC預(yù)測模型進(jìn)行對比,證明本文模型具有更優(yōu)

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論