پياده‌سازي سيستم تطبيقي فازيعصبي در مدل‌سازي و تخمين حالت شارژ باتري‌هاي ليتيوميون

در اين مقاله با بكارگيري يك شبكه عصبي فازي‌ و براساس مدل فضاي حالت باتري‌هاي ليتيوميون، حالت شارژ باطري تخمين زده مي‌شود. داده‌هاي آزمايشگاهي نمونه‌برداري از باتري، عبارتند از سيگنال‌هاي ولتاژ و جريان پايانه‌هاي باتري كه براي مدلسازي باتري مورد استفاده قرار مي‌گيرند. با اجراي پنجره لغزان، پارامترهاي مدل سيستم در پنجره‌هاي كاري مختلف براساس روش كمترين مربعات خطا شناسايي شده و با استفاده از يك شبكه عصبي فازي‌ آموزش داده مي‌شوند. سپس از تئوري فيلتر كالمن بهره برده و يك الگوريتم جهت تخمين حالت شارژ ارائه مي‌شود. سه دسته داده عملي از اطلاعات ولتاژ و جريان باتري به صورت جداگانه جمعآوري شده و براي آموزش شبكه عصبي فازي‌ ، تعيين صحت عملكرد تخمين پيشنهادي و مدل آموزش يافته، بكار گرفته مي‌شوند. براي هر سه دسته از داده‌ها، مقايسه تخمين به روش پيشنهادي و روش‌هاي فيلتر تطبيقي H و EKF و SRUKF صورت پذيرفت كه نتايج نشان مي‌داد روش پيشنهادي در تمام حالات از شاخص خطاي تخمين مناسب‌تري برخوردار مي‌باشد.