位置:成果数据库 > 期刊 > 期刊详情页
基于RBF-ELM神经网络的超级电容建模方法
  • ISSN号:1002-087X
  • 期刊名称:《电源技术》
  • 时间:0
  • 分类:TM53[电气工程—电器]
  • 作者机构:[1]广西大学电气工程学院,广西南宁530004
  • 相关基金:国家自然科学基金项目(61364007);国家自然科学基金重点项目(61034002)
中文摘要:

为了较精确地表征超级电容的对外特性,提出了一种基于RBF-ELM(Radical Basis Function-Extreme Learning Machine)神经网络的超级电容建模方法。通过分析超级电容工作原理,提出并表征了影响超级电容对外特性的一个重要参数Q;介绍了所选网型RBF-ELM的原理及结构;在Matlab环境下,结合超级电容实际状态下的工作数据,选用RBF-ELM网络进行建模,仿真结果证明了所提参数Q的有效性。比较了其他网型的建模性能,表明该方法具有较好的实时性和精度。

英文摘要:

An supercapacitor modeling method based on RBF-ELM(Radical Basis Function-Extreme Learning Machine)neural network was proposed in order to describe the output characteristics of supercapacitor with high accuracy. Firstly, by analyzing the theory of supercapacitor's working, an important parameter Q which had a significant impact on its performances was found and described. Then the theory of RBF-ELM was described. At last, by taking the Q as a part of the input vector of the neural network, the model of supercapacitor was established in Matlab with the data generated from experiments, whose performance was proved the validation of Q as well, and the real-time performance and better accuracy were also demonstrated by comparing with some kinds of other neural networks.

同期刊论文项目
期刊论文 90 会议论文 50 著作 3
同项目期刊论文
期刊信息
  • 《电源技术》
  • 中国科技核心期刊
  • 主管单位:中国电子科技集团公司
  • 主办单位:中国电子科技集团公司第十八研究所
  • 主编:黄永才
  • 地址:天津市西青海泰华科七路6号
  • 邮编:300384
  • 邮箱:cjps@tips.ac.cn
  • 电话:022-23959362
  • 国际标准刊号:ISSN:1002-087X
  • 国内统一刊号:ISSN:12-1126/TM
  • 邮发代号:6-28
  • 获奖情况:
  • 国家期刊提名奖,国家“双效”期刊,连续四届天津市优秀期刊
  • 国内外数据库收录:
  • 美国化学文摘(网络版),日本日本科学技术振兴机构数据库,中国中国科技核心期刊,中国北大核心期刊(2004版),中国北大核心期刊(2008版),中国北大核心期刊(2011版),中国北大核心期刊(2014版),中国北大核心期刊(2000版)
  • 被引量:11796