عنوان مقاله

یک شاخص جدید ظرفیت باتری برای باتری لیتیم-یون به کار گرفته شده در وسایل نقلیه الکتریکی با استفاده از سیستم استنتاج نورو-فازی آداپتیو



خرید نسخه پاورپوینت این مقاله


خرید نسخه ورد این مقاله



 

فهرست مطالب

مقدمه

ویژگی‌های باتری لیتیم-یون

مدل سازی سواک لیتیم-یون با استفاده از انفیس

مجموعه داده‌ها

فهمیدن مدل

نتیجه گیری





بخشی از مقاله

معماری پایه انفیس

شکل 3 معماری پایه انفیس را نشان می‌دهد به‌طوری‌که دو تا ورودی و یک خروجی وجود دارد. در این شکل، یک حلقه یک گره ثابت را نشان می‌دهد، در حالی که یک مربع یک گره آداپتیو را نشان می‌دهد. پارامترهای ورودی x  وy  می‌باشند. در لایة اول، همه گره ها از نوع گره‌های آداپتیو هستند. خروجی این لایه درجات عضویت فازی ورودی‌ها می‌باشند، در لایة دوم، گره ها از نوع گره‌های ثابت می‌باشند. با حرفM  نام‌گذاری شده‌اند، و نشان می‌دهند که آن‌ها مانند یک ضرب کننده ساده عمل می‌کنند. خروجی‌های این لایه، به اصطلاح، قدرت پرتاب قوانین می‌باشند. 






خرید نسخه پاورپوینت این مقاله


خرید نسخه ورد این مقاله



 

کلمات کلیدی: 

A new battery capacity indicator for lithium-ion battery powered electric vehicles using adaptive neuro-fuzzy inference system K.T. Chau *, K.C. Wu, C.C. Chan Department of Electrical and Electronic Engineering, The University of Hong Kong, Pokfulam Road, Hong Kong, Hong Kong Received 24 June 2003; accepted 27 September 2003 Abstract This paper describes a new adaptive neuro-fuzzy inference system (ANFIS) model to estimate accurately the battery residual capacity (BRC) of the lithium-ion (Li-ion) battery for modern electric vehicles (EVs). The key to this model is to adopt newly both the discharged/regenerative capacity distributions and the temperature distributions as the inputs and the state of available capacity (SOAC) as the output, which represents the BRC. Moreover, realistic EV discharge current profiles are newly used to formulate the proposed model. The accuracy of the estimated SOAC obtained from the model is verified by experiments under various EV discharge current profiles. 2003 Elsevier Ltd. All rights reserved. Keywords: Adaptive neuro-fuzzy inference system; Battery residual capacity; Electric vehicles; Lithium-ion battery; State of available capacity 1. Introduction At the present time and in the foreseeable future, batteries have been agreed to be the major energy source for modern electric vehicles (EVs), including the battery EV (BEV), hybrid EV (HEV) and fuel cell EV (FCEV) [1]. Those viable EV batteries consist of the valve regulated lead acid (VRLA), nickel cadmium (Ni–Cd), nickel zinc (Ni–Zn), nickel metal hydride (Ni–MH), zinc/ Energy Conversion and Management 45 (2004) 1681–1692 www.elsevier.com/locate/enconman * Corresponding author: Tel.: +852-2859-2704; fax: +852-2559-8738. E-mail address: ktchau@eee.hku.hk (K.T. Chau). 0196-8904/$ - see front matter 2003 Elsevier Ltd. All rights reserved. doi:10.1016/j.enconman.2003.09.031