[ 1 ] YOU G W,PARK S,DUKJIN O.Real-time State-ofhealth Estimation for Electric Vehicle Batteries:A
Data-driven Approach[J].Applied Energy,2016,176:
92-103.
[ 2 ] 李刚,谢永成,李光升,等.基于自适应神经网络模糊
推理系统的蓄电池 SOH 预测[J].微型机与应用, 2011,
30(22):82-84,87.
[ 3 ] 刘皓,胡明昕,朱一亨,等.基于遗传算法和支持向量
回归的锂电池健康状态预测[J].南京理工大学学
报,2018,42(3):75-80,97.
[ 4 ] DONG H,JIN X,LOU Y,et al.Lithium-ion Battery State
of Health Monitoring and Remaining Useful Life
Prediction Based on Support Vector Regression-particle
Filter[J].Journal of Power Sources, 2014,271:114-123.
[ 5 ] 孙培坤.电动汽车动力电池健康状态估计方法研究
[D].北京:北京理工大学,2016.
[ 6 ] 王耀,王哲,谢先宇,等.基于数据驱动的动力电池组
健康状态评估[J].机电一体化,2019,25(3):3-9.
[ 7 ] 潘海鸿,吕治强,付兵,等.采用极限学习机实现锂离
子电池健康状态在线估算[J].汽车工程,2017,39(12):
1375-1381,1396.
[ 8 ] 高栋,黄妙华,周亚鹏.基于充电电流数据的锂电池容
量估计[J].电源技术,2018,42(10):1447-1450,1581.
[ 9 ] 康军,段宗涛,唐蕾,等.高斯过程回归短时交通流预
测方法[J].交通运输系统工程与信息,2015,15(4):51-
56. |