基于布谷鸟算法优化BP神经网络的锂电池健康状态预测

来源：计算机测量与控制杂志2021年第4期北京时间：

作者：魏新尧,佘世刚,容伟,刘爱琦

单位：常州大学机械工程学院

摘要：锂电池健康状态(SOH)的预测是电动汽车锂电池管理系统的最重要的关键技术之一。传统的误差逆向传播(BP)神经网络容易使权值和阈值陷入局部最优，从而导致预测结果不精确。结合布谷鸟搜索算法(CS)的全局优化能力，提出一种基于CS算法优化BP神经网络的锂电池SOH预测方法，该方法的核心在于优化BP神经网络的初始权值和阈值，从而减小算法对初始值的依赖。为了验证算法的泛化性，利用美国国家航空航天局开源锂电池数据集6号电池和7号电池进行仿真实验，仿真得到该算法预测SOH的均方根误差(RMSE)分别为0.2658和0.2620，平均绝对百分比误差(MAPE)分别为0.3319%和0.2605%。通过与BP神经网络、粒子群优化的BP神经网络(PSO-BP)、遗传算法优化的BP神经网络(GA-BP)对比，布谷鸟算法优化的BP神经网络(CS-BP)具有更小的预测误差。

关键词：锂电池;健康状态;布谷鸟搜索算法;BP神经网络