摘要
本发明公开了一种锂电池SOC的自适应显示方法,包括以下步骤;S1:获取每个时段的锂电池SOC数据,形成原始数据数列,将原始数据数列输入至bp神经网络模型中,得到当前时刻锂电池SOC的显示值的预测结果,并将预测的结果与实际结果进行比较输出相对误差比例;S2:采用马尔科夫链得到当前时刻锂电池SOC的显示值的显示区间;S3:利用粒子群算法对马尔科夫链的显示区间进行修正,输出显示结果。本发明采用马尔科夫链来检测当前锂电池的状态,根据状态进行自适应锂电池电量显示,可以极大的提高锂电池电量显示的精度,同时采用粒子群算法进行修正可以进一步提高电池电量显示的精度,使用户更能准确的知晓当前电池的情况。
技术关键词
锂电池
粒子群算法
神经网络模型
bp神经网络
转移概率矩阵
误差
传播算法
因子
节点
数据
精度
变量
样本
系统为您推荐了相关专利信息
温度动态调控
智能管理方法
手术
智能温度调控
神经网络模型建模
培训管理系统
员工
深度神经网络模型
深度卷积神经网络模型
数据处理模块
图像检测方法
光伏板组件
神经网络模型
图像分割模型
多尺度特征
强化涂层
防腐涂层
波形特征提取
深度学习网络模型
注意力参数