[发明专利]一种基于蝙蝠探测-极限学习机的锂电池容量估计方法

权利要求书

1.一种基于蝙蝠探测-极限学习机的锂电池容量估计方法，其特征在于，包括如下步骤：

S1：对锂电池进行充放电循环工况测试并记录测试数据，通过灵敏度分析确定输入变量和输出变量；

S2：将输入变量和输出变量形成训练集和测试集；设计蝙蝠探测算法并将训练集导入进行迭代寻优，得到最优输出权值；

S3：计算输入连接权值和隐含层神经元阈值，构建前馈神经网络结构极限学习机；

S4：将测试集导入步骤S3构建的极限学习机进行锂电池容量估计，并进行锂电池容量估计的性能评价。

2.根据权利要求1所述一种基于蝙蝠探测-极限学习机的锂电池容量估计方法，其特征在于，在步骤S1中，所述测试数据包括恒流充电时间T_I、恒压充电时间T_V、充电总时间T_total,charge、充电瞬间电池端电压变化值△V_charge、放电总时间T_{total,discharge}、放电过程电池温度变化值△Temp_discharge、放电瞬间电池端电压变化值△V_discharge、以及电池实际剩余容量C_aged。

3.根据权利要求1所述一种基于蝙蝠探测-极限学习机的锂电池容量估计方法，其特征在于，在步骤S2中，所述输入变量经归一化处理后进行挑选形成一定比例的输入数据训练集，剩余部分为输入数据测试集；所述输出变量经归一化处理后进行挑选形成一定比例的输出数据训练集，剩余部分为输出数据测试集；所述输入变量的挑选比例和输出变量的挑选比例相同。

4.根据权利要求1所述一种基于蝙蝠探测-极限学习机的锂电池容量估计方法，其特征在于，步骤S2包括如下步骤：

S2-1：对蝙蝠探测算法进行初始化参数设置，参数包括种群大小n、初始脉冲响度A_i⁰、初始脉冲发射率r_i⁰、最大频率范围Q_max、最小频率范围Q_min、迭代终止条件、隐含层神经元数S1、最大迭代次数N、最小适应度阈值、以及适应度评价函数Fitness；

S2-2：计算当前每只蝙蝠的频率Q_i、位置S_i、速度V_i、适应度值Fitness_i、输出权值β_ik，根据如下公式寻找适应度最小的蝙蝠及对应的一组输出权值，即当前种群最优解；

f_min＝min(Fitness)

Q_i＝Q_min+(Q_min-Q_max)×rand

V_i^t＝V_i^t-1+(S_i^t-1-BestS)×Q_i

S_i＝V_i^t+S_i^t-1

式中，rand∈[0,1]是随机向量，f_min是适应度最小的蝙蝠，BestS是适应度最小的蝙蝠对应的位置，即当前最好位置，t是迭代次数，i＝1,2,3…n；

S2-3：在随机变化下，计算每只蝙蝠新的频率Q_i、位置S_i、以及速度V_i；

S2-4：判断每只蝙蝠脉冲发射率是否满足要求，如果满足转至下一步骤，否则转至步骤S2-3；

S2-5：计算每只蝙蝠在新位置下的适应度值Fitness_i和输出权值β_ik；

S2-6：判断每只蝙蝠新适应度值Fitness_i和响度A_i是否满足要求，如果满足转至下一步骤，否则转至步骤S2-3；

S2-7：根据每只蝙蝠接受的新位置S_i，计算对应的适应度Fitness_i和输出权值β_ik，并进行响度A_i和脉冲发射率r_i的更新；

S2-8：寻找适应度最小的蝙蝠，将所有的蝙蝠移动至当前适应度最小的蝙蝠的位置，更新当前最优位置BestS、当前最优输出权值Bestβ、当前最小适应度f_min，即当前最优解的更新；

S2-9：判断是否满足终止条件，如果满足则保存最优输出权值β，否则转至步骤S2-3，再次进行迭代计算；其中，终止条件为达到最大迭代次数N，或最小适应度达到阈值。