| 摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 第一章 绪论 | 第9-17页 |
| ·课题的背景及意义 | 第9-11页 |
| ·剩余电池电量估计的研究现状 | 第11-14页 |
| ·SOC 估计的影响因素 | 第14-16页 |
| ·电池开路电压动态滞回特性 | 第14-15页 |
| ·温度 | 第15页 |
| ·电池老化 | 第15页 |
| ·电池自放电 | 第15-16页 |
| ·论文主要研究内容 | 第16-17页 |
| 第二章 电动汽车 SOC 估计基础 | 第17-33页 |
| ·电动汽车的基本原理 | 第17-20页 |
| ·电动汽车的主要部件 | 第17-18页 |
| ·电动汽车的工作原理 | 第18-20页 |
| ·电动汽车电池的种类及锂电池性能分析 | 第20-25页 |
| ·纯电动车在电池性能上的要求 | 第20-21页 |
| ·电动汽车常用电池 | 第21-23页 |
| ·锂离子电池的原理 | 第23页 |
| ·锂离子电池充放电性质 | 第23-25页 |
| ·ADVISOR 仿真软件 | 第25-32页 |
| ·ADVISOR 的文件结构和工作原理 | 第26-27页 |
| ·ADVISOR 的仿真方法 | 第27-28页 |
| ·软件的仿真界面 | 第28-32页 |
| ·本章小结 | 第32-33页 |
| 第三章 基于等效电路模型的 SOC 估计方法研究 | 第33-44页 |
| ·热模型原理 | 第33-35页 |
| ·基于内阻模型的 SOC 估计 | 第35-39页 |
| ·内阻模型的 SOC 估计原理 | 第36-37页 |
| ·内阻模型的实现 | 第37-38页 |
| ·仿真结果 | 第38-39页 |
| ·基于 RC 模型的 SOC 的估计 | 第39-43页 |
| ·RC 模型 SOC 估计原理 | 第39-40页 |
| ·RC 模型的实现 | 第40-42页 |
| ·仿真结果 | 第42-43页 |
| ·本章小结 | 第43-44页 |
| 第四章 RBF 神经网络动态预测锂电池 SOC 的研究 | 第44-64页 |
| ·神经网络的基本特征与主要功能 | 第44页 |
| ·RBF 神经网络的原理 | 第44-48页 |
| ·RBF 神经网络的优点 | 第45页 |
| ·RBF 神经网络的结构 | 第45-46页 |
| ·RBF 神经网络的学习算法 | 第46-48页 |
| ·基于 RBF 神经网络的电池 SOC 预测 | 第48-50页 |
| ·SOC 估计的 RBF 神经网络结构设计 | 第48-49页 |
| ·电池的数据规范化处理 | 第49-50页 |
| ·SOC 估计的 RBF 神经网络训练 | 第50页 |
| ·仿真结果分析 | 第50-57页 |
| ·CYC_UDDS 工况 SOC 预测 | 第51-53页 |
| ·CYC_HWEFT 工况 SOC 预测 | 第53-55页 |
| ·CYC_EUDC 工况 SOC 预测 | 第55-57页 |
| ·混合工况 SOC 预测 | 第57-60页 |
| ·选取的工况及样本数据 | 第58页 |
| ·实验结果 | 第58-60页 |
| ·改进混合工况 SOC 预测 | 第60-63页 |
| ·选取的工况及样本数据 | 第60-62页 |
| ·仿真结果 | 第62-63页 |
| ·本章小结 | 第63-64页 |
| 第五章 总结 | 第64-65页 |
| 参考文献 | 第65-68页 |
| 在学研究成果 | 第68-69页 |
| 致谢 | 第69页 |