来源：期刊VIP网 时间：
作者：朱聪聪;郭晟;常海涛;路密;
单位：厦门理工学院材料科学与工程学院;福建南平南孚电池有限公司,福建省高效能电池重点实验室;
摘要：为提高锂离子电池健康状态(SOH)估算的精度，采用基于贝叶斯正则化算法优化的反向传播(BP)神经网络模型。该模型的核心是，引入先验分布约束BP网络权重参数，以减少过拟合风险；并引入后验分布评估参数的不确定性，提升模型对数据噪声的适应性。以充电全过程提取健康特征验证模型精度；以放电片段数据提取健康特征模拟实际工况。训练后的模型在充电全过程提取特征时的均方根误差(RMSE)和平均绝对误差(MAE)均小于1.65%,采用放电片段提取特征时的RMSE和MAE均小于3.85%,相较于未优化的BP神经网络，两种方式的估算误差分别降低18%和41%以上。
关键词：锂离子电池;;健康状态(SOH);;贝叶斯正则化算法;;反向传播(BP)神经网络;;健康特征;;先验分布;;后验分布
基金资助：国家自然科学基金（21975212）;; 建省高校产学研联合创新项目（2022H6010）
