杜灵根，彭 澎，王百杰

（武汉船用电力推进装置研究所，武汉 430064）

基于RBF神经网络的电池电解液密度预测

杜灵根，彭 澎，王百杰

（武汉船用电力推进装置研究所，武汉 430064）

为了对电池电解液密度进行预测，建立了RBF神经网络模型，用电池放电试验数据对其进行了训练和检验。利用训练后的神经网络模型进行了电池电解液密度的预测，预测值与实测值的最大误差值为0.022g/cm3，均方根误差值为0.004 g/cm3左右。结果表明，RBF神经网络方法可以满足预测精度要求，从而可用于建立电池剩余电量实时监测系统，降低电池维护工作量并延长电池的使用寿命。

电池 RBF神经网络 径向基函数 电解液密度 SOC

0 引言

电池在应用过程中，需要准确测量或预测电池的剩余电量，及时为电池充电，以避免使用过程中电量不足，或电池的过放电行为加速电池的老化，降低其使用寿命。

目前常用的评估铅酸蓄电池剩余电量的方法有密度法、开路电压法、放电试验法、负载电压法、内阻法、安时积分法等［1］。其中，密度法利用密度计测量电池电解液密度来推算电池的放电程度，该方法适用于有加液孔盖的铅酸蓄电池，但是对密封式铅酸蓄电池并不适用。同时，密度法需人工巡检，不能实现对电池剩余电量的即时监控，不利于电池的维护工作。其它方法也普遍存在着各自的缺点及监测精度不高等问题。

本文针对密度法评估铅酸蓄电池剩余电量的不足，借助于神经网络对非线性问题良好的……