基于神经网络的铅酸蓄电池模型研究

2011-07-03周智勇刘爱华杨占录

船电技术 2011年10期

周智勇刘爱华杨占录

（海军潜艇学院机电研究所，青岛266042）

1 引言

潜艇蓄电池的电量有限，储能降低后潜艇必须在适当的时机浮起到水面或通气管状态进行充电。合理管理蓄电池能量，降低潜艇的暴露率，首先就需要建立了较为准确的蓄电池数学模型。

蓄电池的充放电伴随着复杂的化学变化和物理变化过程，使得影响蓄电池剩余容量和荷电状态（SOC）的因素众多。蓄电池端电压、电解液密度和温度、搅拌系统、使用周期、蓄电池内阻等都对剩余容量产生影响，并且都是非线性关系[1]。因此，建立其数学模型的难度较大。本文以实验数据为基础，结合神经网络技术，建立了比较准确的蓄电池模型。

2 充放电实验室设计与建设

为准确、全面地研究潜艇蓄电池的电特性，本文设计并建立了功能完善的蓄电池充放电实验室。实验室主要包括蓄电池、蓄电池附属系统（包括低压气搅拌系统、蒸馏水冷却系统）、充放电装置、蓄电池与充放电装置间的可变换式连接系统、通风系统、氢气监测装置等。

2.1 充放电模块工作原理

充放电模块是充放电装置中的执行机构。三相交流电经变压器降压后进行整流。整流后的直流电压（5～9 V）加在晶体管群上。主控模块根据设定的充放电电流的大小，通过控制晶体管群的基极电压，控制晶体管群上的集电极电流。这个电流经充放电转换模块控制后，加在被测蓄电池上。同时，数据采集模块采集被测蓄电池上的电压、电流、温度参数，经过主控模块将数据传到上位机。充放电模块的工作原理如图1所示。

图1 充放电模块基本原理图

2.2 附属系统

为了与实艇蓄电池的充放电条件相近并保证蓄电池组可靠工作，实验室设置了蓄电池电解液搅拌系统、蒸馏水冷却系统、通风系统和氢气监测装置。

蓄电池温度过高时（温度值可以设定）用蒸馏水冷却系统进行冷却，共四个冷却回路，每组蓄电池一个，回路内冷却水的流向可以控制。

电解液搅拌系统用低压气搅拌电解液，使其上下两部分的密度均匀。每块蓄电池一个搅拌支路，共12个支路。每个支路供给每只蓄电池压缩空气，为其内循环装置提供动力。

2.3 密度测量工具

密度的测量是本试验的关键环节，为了保证测量精度，实验采用了奥地利 Anton Paar公司DMA35型便携式密度计，密度测量范围是0.8～2 g/cm3，精度为 0.001 g/cm3，分辨率为 0.0001 g/cm3，该密度计同时可测量已抽取液体的温度，测量范围是为0～40 ℃，精度是0.2 ℃，分辨率为0.1 ℃。

实验室的通风系统、氢气监测装置、蓄电池与充放电装置间的连接系统等不再介绍。

3 神经网络

BP神经网络是一种单向传播的多层前向网络，它除了有一个输入层和一个输出层外，还有一层或多层的隐层，同层节点中没有任何耦合。输入信号从输入层节点依次传过各隐层节点，然后传到输出节点，每一层节点的输入只影响下一层节点的输出。BP神经网络具有的非线性映射能力保证其能够成功逼近各种非线性函数，其并行结构加速了运算速度。因此在目前的人工神经网络的实际应用中，大部分的神经网络模型是采用BP神经网络及它的变化形式[2]。

如果模型的输入输出均已确定，则 BP神经网络的输入层、输出层神经元的个数是确定的，关键是确定隐含层的数量及每个隐含层神经元的个数。经过多次实验，证明隐含层确定为3层能获得较好的预测精度。每个隐含层的数量由人工确定则费时费力，可以编写合适的软件，由其自动判断[3]。实践表明，总神经元的数量过少时不能达到设定的训练目标，神经元数量过多则会造成网络训练时的精度很高但用于预测时的精度反而下降，因此选择适当数量的神经元至关重要[4]。

编写程序建立了神经网络。该程序设置每个隐含层神经元的个数为3～9个，并实现了隐含层神经元数量的自动选择。如果训练完成的网络在测试时得到的测试误差绝对值的最大值＜0.005则停止训练，并记录下当前工作空间作为最终的网络，该网络完全满足模型计算的精度要求。同时每次训练后的测试都计算仿真测试误差的平均绝对误差mae和均方根误差mse。并分别记录下全部训练过程中 mae最小的网络Fine_BP_FD_DL_net_Mae和 mse最小的网络Fine_BP_FD_DL_net_Mse。如果最终网络的计算精度也不能达到要求，则改变隐含层神经元的数量限制重新计算。以下为神经网络建立与测试的源代码[5]。