基于改进PSO-RBF算法的纯电动汽车剩余里程实时预测

为解决纯电动汽车的剩余里程预测误差大、自适应性差和数学建模复杂的问题,首先对粒子群聚类算法的参数组合进行优选,接着再根据优化粒子群算法聚类出径向基函数(RBF)神经网络隐含层中隐节点数量q,隐节点高斯函数中心向量ci和标准化常数δi,根据不同工况,优选出误差和聚类效果最好的参数组合作为训练结果,并根据工况及时更新参数,使预测结果具有动态自适应性。以端电压、电流、温度、载荷为输入,以剩余里程为输出,建立改进的PSO-RBF预测模型,然后在固定、常用的用车环境中,定义动态自适应的标准容量和标准续驶里程,建立非必要能耗数学模型加以修正。EV-1型纯电动车试验测试值与算法的预测值比较结果表明,RBF,PSO-RBF和改进的PSO-RBF 3种算法最大相对误差分别为9.9%,6.2%和3.8%,说明采用改进的PSO-RBF算法的预测精度比现有其他方法有显著提高。     

港口煤炭货源计划管理系统的设计

阐明港口煤炭货源计划手工管理的弊端,指出计算机管理势在必行.设计的系统由年度计划、月份计划、基本信息、辅助功能等四个子系统组成,给出了模块结构图,并对各个模块实现的功能进行了较详细的论述.     

基于二分法查找-伪循环次数法的动力电池健康状态实时预测

针对纯电动汽车动力电池健康状态(SOH)预测过程中算法复杂、编程繁琐、单片机C程序开发困难的问题,以单片机作为主芯片,以电池充放电循环次数为SOH的影响转化为循环次数并将主要影响因素与SOH的非线性关系制成二维数组表,通过二分法查找得到影响程度系数,记录特性因素值及持续时间,获得伪循环次数,进而得到SOH。在国家标准试验条件下验证了该预测方法的有效性、精确性和稳定性。