基于 AFSARBF 神经网络的电动汽车动力 电池 SOC 预测

传统的电池荷电状态(StateofCharge，SOC)估计方法是基于精确的数学模型，它依赖于大量的 建模假设和经验参数，故模型预测SOC精度是有限的;为了提高动力电池SOC预测的精度，提出利用人工鱼 群算法(ArtificialFishSwarmAlgorithm，AFSA)优化径向基神经网络(ＲBF)对SOC进行预测，解决了ＲBF网 络参数选择的不确定性;仿真实验结果表明:方法能方便、快速、准确地实现对SOC的预测，且具有实际使用 价值