赵孟娜，米 林，冯 勇

(1.重庆理工大学 重庆汽车学院 400054;2.重庆永通信息实业有限公司，重庆 400084)

对纯电动汽车(EV)而言，动力电池是汽车动力的唯一来源，所以蓄电池的性能对整个汽车起着举足轻重的作用。而在行驶过程中，最关心的莫过于使用过程中消耗了多少电量，剩余电量还能够行驶多少里程。这就要求电池管理系统能够根据汽车当前的形式状况，预测汽车的续驶里程，以减轻驾驶员的压力，也能防止汽车半路出现故障，提高驾驶的安全性。由此可见，在电池管理系统中，准确预测电池荷电状态(state of charge，SOC)是管理系统中最为关键的任务。SOC 作为电池的内特性，不能直接进行测量，只能通过电压、电流、温度等外参数特性进行估计。目前使用的各种测算方法中，神经网络估算法是公认较为精确的1 种［1-3］。

1 神经网络的主要原理及模型简介

人工神经网络(artificial neural networks，ANN)出现在20世纪40 年代，是1 门涉及多学科的技术，包括神经学、数学、统计学、计算机学、物理学和工程学等。目前所使用的神经网络，从连接结构方面主要包括2 种:反馈型神经网络(recurrent network)和前馈型神经网络(feed forward network)。多层前馈神经网络，是目前被广泛使用的1 种，这种网络主要由输入、至少1 个隐含层和输出组成，各层至少包含1 个神经元，信息在各层之间进行传递。其网络模型的特点是:每层神经元只和相邻层进行信息交换，而各层间并没有这种交换，网络权值的调整主要利用误差反向传播(error back propagation)即BP 学习算法来进行，因为大多数多层前馈神经网络使用这种算法，故多层前馈神经网络习惯性被称为BP 网络。……