基于IMOCS-BP神经网络的锂离子电池SOH估计

锂离子电池随着循环充放电次数的增长,其健康状态SOH(state-of-health)会随之发生一定程度的衰减。针对以上问题,设计了一种基于改进的多目标布谷鸟搜索IMOCS(improved multi-objective Cuckoo search)-BP神经网络的锂离子电池健康状态估计方法,在避免算法陷入局部最优的同时自适应改变布谷鸟搜索CS(Cuckoo search)算法更新概率和搜索步长,解决CS算法收敛速度慢和求解精度低的问题。以IMOCS算法和BP神经网络结合,对节点空间范围进行全局搜索,降低权值和阈值的初值对BP神经网络的影响,实现参数优化。通过Matlab仿真,验证了基于IMOCS-BP神经网络的SOH估计算法误差低、性能强,实现了锂电池SOH的精准预测。