２０２３年，第１期－37－收稿日期：２０２２－０８－２７作者简介：张艺迪（１９９８—），女，浙江杭州人，硕士研究生，从事电池管理系统技术研究。基于Ｂｉ⁃ＬＳＴＭ的电动直臂车磷酸铁锂电池ＳＯＣ估计张艺迪，孙晖（浙江大学电气工程学院，浙江杭州３１００２７）摘要：针对电动直臂车的特殊工况，提出了一种基于双向长短期记忆神经网络（Ｂｉ⁃ＬＳＴＭ）的电动直臂车荷电状态（ＳＯＣ）估计模型和方法。该方法将电池的工作电压、电流及表面温度作为输入，采用双向传递的两层ＬＳＴＭ神经网络进行训练，再将两次得到的结果进行拼接作为最终输出。实验结果表明，该方法比传统前馈（ＢＰ）神经网络和单向ＬＳＴＭ神经网络具有更好的估计性能，并且可以精确估计不同环境温度下的电池及整车ＳＯＣ。关键词：ＳＯＣ估计；磷酸铁锂电池；Ｂｉ⁃ＬＳＴＭ神经网络；电动直臂车；环境温度中图分类号：ＴＭ９１１文献标识码：Ａ文章编号：１００４－３９５０（２０２３）０１－００３７－０６ＥｓｔｉｍａｔｉｏｎｏｆＳＯＣｆｏｒｅｌｅｃｔｒｉｃｔｅｌｅｓｃｏｐｉｃｂｏｏｍａｅｒｉａｌｗｏｒｋｐｌａｔｆｏｒｍｂａｓｅｄｏｎＢｉ⁃ＬＳＴＭＺＨＡＮＧＹｉ⁃ｄｉ１，ＳＵＮＨｕｉ１（ＺｈｅｊｉａｎｇＵｎｉｖｅｒｓｉｔｙ，ＣｏｌｌｅｇｅｏｆＥｌｅｃｔｒｉｃａｌＥｎｇｉｎｅｅｒｉｎｇ，Ｈａｎｇｚｈｏｕ３１００２７，Ｃｈｉｎａ）Ａｂｓｔｒａｃｔ：Ａｃｃｏｒｄｉｎｇｔｏｔｈｅｓｐｅｃｉａｌｏｐｅｒａｔｉｎｇｃｏｎｄｉｔｉｏｎｏｆｅｌｅｃｔｒｉｃｔｅｌｅｓｃｏｐｉｃｂｏｏｍａｅｒｉａｌｗｏｒｋｐｌａｔｆｏｒｍ，ａｎｏｖｅｌｓｔａｔｅｏｆｃｈａｒｇｅ（ＳＯＣ）ｐｒｅｄｉｃｔｉｏｎｍｏｄｅｌｉｓｐｒｏｐｏｓｅｄｂａｓｅｄｏｎｂｉ⁃ｄｉｒｅｃｔｉｏｎａｌｌｏｎｇｓｈｏｒｔ⁃ｔｅｒｍｍｅｍｏｒｙ（Ｂｉ⁃ＬＳＴＭ）ｎｅｕｒａｌｎｅｔｗｏｒｋ．Ｖｏｌｔａｇｅ，ｃｕｒｒｅｎｔａｎｄｓｕｒｆａｃｅｔｅｍｐｅｒａｔｕｒｅｏｆｂａｔｔｅｒｙａｒｅｃｏｎｓｉｄｅｒｅｄａｓｉｎｐｕｔｓ，ａｎｄｔｈｅｆｏｒｗａｒｄＬＳＴＭｌａｙｅｒａｎｄｔｈｅｂａｃｋｗａｒｄＬＳＴＭｌａｙｅｒｃａｎｂｅｕｓｅｄｔｏｐｒｏｖｉｄｅｃｏｍｐｌｅｔｅｔｉｍｉｎｇｉｎｆｏｒｍａｔｉｏｎｆｏｒｔｈｅｏｕｔｐｕｔ．Ｅｘｐｅｒｉｍｅｎｔａｌｒｅｓｕｌｔｓｓｈｏｗｔｈａｔｔｈｅｐｒｏｐｏｓｅｄｍｏｄｅｌｉｍｐｒｏｖｅ...
