针对锂电池的荷电状态(state of charge,SOC)估计过程中测量值存在粗大误差的问题,以Thevenin等效电路模型为基础,提出了一种粗大误差补偿粒子滤波(particle filter,PF)算法。该算法可以实时地检测锂电池测量数据中可能存在的粗大误差,...针对锂电池的荷电状态(state of charge,SOC)估计过程中测量值存在粗大误差的问题,以Thevenin等效电路模型为基础,提出了一种粗大误差补偿粒子滤波(particle filter,PF)算法。该算法可以实时地检测锂电池测量数据中可能存在的粗大误差,并对其进行分类与估计,通过补偿机制对异常测量值进行修正,提高算法的抗干扰能力。将该算法应用于锂电池SOC估计过程进行仿真验证,仿真结果表明,该算法具有较强的鲁棒性,在进行锂电池SOC估计时可以有效地抑制粗大误差的影响。展开更多
文摘针对锂电池的荷电状态(state of charge,SOC)估计过程中测量值存在粗大误差的问题,以Thevenin等效电路模型为基础,提出了一种粗大误差补偿粒子滤波(particle filter,PF)算法。该算法可以实时地检测锂电池测量数据中可能存在的粗大误差,并对其进行分类与估计,通过补偿机制对异常测量值进行修正,提高算法的抗干扰能力。将该算法应用于锂电池SOC估计过程进行仿真验证,仿真结果表明,该算法具有较强的鲁棒性,在进行锂电池SOC估计时可以有效地抑制粗大误差的影响。
文摘ACA(Ant Colony Algorithm)是一种可以有效求解组合优化的TSP(Travelling Salesman Problem)问题的方法。然而,当TSP问题的规模较大时,该算法的求解性能将会明显减弱。本文针对大规模TSP问题提出一种基于聚类集成的蚁群算法IAPACA(Improved AP Ant Colony Algorithm)的求解方法。利用AP(Affinity Propagation)聚类对大规模旅行商问题进行处理,将大规模旅行商问题分为若干子问题,并对每个子问题用蚁群算法进行寻优。然后用改进的集成方案对子问题进行组合,得到问题的结果。最后进行TSPLIB标准库测试算例的实验仿真,实验结果表明,基于聚类集成的蚁群算法具有更好的求解效果。
