搜文章
推荐 原创 视频 Java开发 iOS开发 前端开发 JavaScript开发 Android开发 PHP开发 数据库 开发工具 Python开发 Kotlin开发 Ruby开发 .NET开发 服务器运维 开放平台 架构师 大数据 云计算 人工智能 开发语言 其它开发
Lambda在线 > 新能源汽车科普内参 > SOC估算的支持向量机概述

SOC估算的支持向量机概述

新能源汽车科普内参 2017-11-29


神经网络,深度学习,理论上能做的事情非常多,在人工智能领域一家独大。网上出现了类似的讨论,是否深度学习可以替代所有其他智能算法。其中有一类观点认为,深度学习需要大数据支持,门槛很高,而一些成熟的算法已经在某些具体领域与应用深度结合,恐怕不容易被替代。支持向量机,就是替代危机中的一员。支持向量机属于机器学习的一种,被认为是神经网络出现之前最成功的一种机器学习算法。

在动力电池SOC估计方面,使用支持向量机进行估算的讨论,出现了很多研究文献,但总体仍然处于理论研究阶段,是否有机会先于深度学习落地应用,尚未可知。学习相关内容,意在开阔眼界,了解支持向量机的工作原理和实现形式,对算法类的内容有更全面的观察视角。

1支持向量机基本原理

基本问题

支持向量机,是一个分类器,而且只分成两类。最简单情形就是,平面上有两类点混杂放置在一起,如何用一条线将其分开?将这些点洒向空中,在三维空间混杂在一起,如何用一个平面将它们分开?


超平面

在多维空间中,用来分隔不同类型点集的平面有个通用的名字,叫做超平面,它的统一数学形式为:

w*x+b=0

x是输入向量,w和b,是待定参数。对线性可分的数据集而言,线性可分分离超平面有无穷多个,但是与全体点集几何间隔最大的分离超平面是唯一的。从统计的角度去理解样本点集到超平面间隔最大化,相当于以充分大的确信度对训练数据进行分类。

想要获得这个分隔直线或者超平面,需要一定数量的样本对模型进行训练。以超平面距离所有样本点的距离最大为优化目标,最终确定w和b的参数值。在二维平面中,w和b是标量,在多维空间中,w是超平面的法向量,b是相应维数的单列矩阵,表示平面到原点的距离。

支持向量

回到名字,到底哪个是支持向量?在线性可分情况下,训练数据集的样本点中,与超平面距离最近的样本点(下图中压线的点)被称为支持向量,如下图所示。训练完成以后,只有距离超平面最近的点有作用,其余样本点将与后续的新样例判断没有关系。


核函数

现实中,不是任何样本集都是线性可分的,并且线性不可分的情形分布往往更为广泛,线性不可分的意思就是变量和函数之间不是线性关系。

线性不可分,在当前的空间范围内找不到目标超平面,人们就在模型中增加维度。一个图形在二维中是封闭的,但是在三维人看来,平面上任何一点都是可达的,任何二维图形站在三维看都是开放的。提升维度,则必然可以找到高维中的超平面。

将输入变量从低维映射到高维,需要核函数从中发挥作用,核函数表达一种映射关系。并不是任意的函数都能够作为核函数使用,它必须能够避免低维向高维映射过程中产生维度暴增问题,维度增加,意味着巨大的计算量增加。常用的核函数只有固定的几种。多项式核函数,高斯核函数、线性核函数、sigmoid核数 等,此处不展开,直接在网上搜索“核函数”即可。

2 改进的支持向量机算法

针对现实中大量的线性不可分问题,人们利用核函数将输入映射到高维中,采用二次规划方法,寻找最优的支持向量。解决的具体问题不同,结合的具体算法不同,二次寻优方法多种多样,主要包括最小二乘支持向量机, 中心支持向量机,几何方法支持向量机,模糊支持向量机,粒度支持向量机,多类训练算法,基于贝叶斯理论的支持向量机等。改进后的方法,普遍适用性变差,但解决特定问题的效率明显提高。

3 支持向量机在SOC估计中的应用

选择适当的核函数,建立支持向量机;准备训练数据集,训练数据和验证数据都是由某一个时刻电池的电压、电流、温度和SOC这几个参数构成的点的集合;训练支持向量机模型,得到最优的超平面;使用新的数据集测试模型,验证训练结果,根据预测精度和实时性,判断支持向量机是否达到预想训练要求。

动力电池的状态始终处于变化的过程中,老化甚至反弹始终在发生,支持向量机是否可以应对这种情形呢?目前的理解是,训练数据集如果包含表征老化的参数,那么SOC估计结果就是考虑了老化的影响的估计结果。那么覆盖动力电池全生命周期的训练数据是必不可少的。



参考


1 杨茂,基于支持向量机的短期风速预测研究综述

2 邵福波,支持向量机理论发展与应用综述

3 李祥纳,支持向量机增量学习算法综述

4 朱浩,动力电池SOC估算的模糊最小二乘支持向量机法

5 井娥林,基于贝叶斯最小二乘支持向量机的电池SOC预测

6 宋召青,基于支持向量机的多类分类算法综述

7 张浩然,支持向量机的学习方法综述

8 张博洋,支持向量机理论与应用研究综述



(图片来自互联网)

版权声明:本站内容全部来自于腾讯微信公众号,属第三方自助推荐收录。《SOC估算的支持向量机概述》的版权归原作者「新能源汽车科普内参」所有,文章言论观点不代表Lambda在线的观点, Lambda在线不承担任何法律责任。如需删除可联系QQ:516101458

文章来源: 阅读原文

相关阅读

关注新能源汽车科普内参微信公众号

新能源汽车科普内参微信公众号:gh_dd5769121551

新能源汽车科普内参

手机扫描上方二维码即可关注新能源汽车科普内参微信公众号

新能源汽车科普内参最新文章

精品公众号随机推荐