摘要 | 第3-4页 |
Abstract | 第4-5页 |
第一章 绪论 | 第9-16页 |
§1.1 电动汽车及电池简史 | 第9-12页 |
§1.1.1 电动汽车发展史 | 第9-10页 |
§1.1.2 电动电池简史 | 第10页 |
§1.1.3 动力电池评价指标 | 第10-11页 |
§1.1.4 几种常用动力电池 | 第11-12页 |
§1.2 课题研究背景及意义 | 第12-13页 |
§1.3 动力电池国内外的研究现状及课题来源 | 第13-15页 |
§1.3.1 动力电池的国内外研究现状 | 第13-14页 |
§1.3.2 动力电池SOC估算的研究现状 | 第14-15页 |
§1.3.3 课题来源 | 第15页 |
§1.4 课题主要研究内容 | 第15-16页 |
第二章 SOC估算方法综述与分析 | 第16-21页 |
§2.1 SOC的经典定义 | 第16页 |
§2.2 SOC估算方法 | 第16-20页 |
§2.2.1 放电法 | 第16页 |
§2.2.2 安时法 | 第16-17页 |
§2.2.3 内阻法 | 第17页 |
§2.2.4 开路电压法 | 第17-18页 |
§2.2.5 模糊控制算法 | 第18页 |
§2.2.6 神经网络法 | 第18页 |
§2.2.7 卡尔曼滤波法 | 第18-19页 |
§2.2.8 扩展卡尔曼滤波法 | 第19页 |
§2.2.9 自适应卡尔曼滤波法 | 第19页 |
§2.2.10 粒子滤波法 | 第19页 |
§2.2.11 变结构滤波 | 第19-20页 |
§2.3 该文提出的SOC估算方法 | 第20页 |
§2.4 本章小结 | 第20-21页 |
第三章 基于变结构滤波的电池模型参数辨识 | 第21-32页 |
§3.1 动力电池模型的概述 | 第21-24页 |
§3.1.1 电化学模型 | 第21页 |
§3.1.2 电池神经网络模型 | 第21-22页 |
§3.1.3 等效电路模型 | 第22-24页 |
§3.1.4 电池模型的选择 | 第24页 |
§3.2 基于变结构滤波的电池模型参数辨识 | 第24-28页 |
§3.2.1 变结构滤波 | 第24-25页 |
§3.2.2 Thevenin模型离散 | 第25页 |
§3.2.3 Thevenin模型参数识别 | 第25-26页 |
§3.2.4 基于变结构滤波的Thevenin模型仿真结果 | 第26-27页 |
§3.2.5 动力电池OCV-SOC关系的拟合 | 第27-28页 |
§3.3 三种RC电池模型参数辨识与比较分析 | 第28-31页 |
§3.4 本章小结 | 第31-32页 |
第四章 基于变结构滤波与BP神经网络的动力锂电池SOC估算研究 | 第32-41页 |
§4.1 实验平台及工况实验 | 第32-36页 |
§4.1.1 Arbin-EVTS电池实验平台 | 第32-33页 |
§4.1.2 工况实验 | 第33-36页 |
§4.2 FUDS工况下SOC估算研究 | 第36-39页 |
§4.2.1 BP神经网络 | 第37-38页 |
§4.2.2 利用BP神经网络建立SOC-OCV模型关系 | 第38-39页 |
§4.3 FUDS工况下SOC估算仿真 | 第39-40页 |
§4.4 本章小结 | 第40-41页 |
第五章 基于双变结构滤波的SOC估算研究 | 第41-62页 |
§5.1 变结构滤波 | 第41-45页 |
§5.1.1 电池的变结构滤波数学模型 | 第42-43页 |
§5.1.2 离散滑模到达条件 | 第43-45页 |
§5.2 基于变结构滤波的SOC算法研究 | 第45-47页 |
§5.3 基于模糊-变结构滤波的SOC算法研究 | 第47-50页 |
§5.3.1 模糊规则研究 | 第47页 |
§5.3.2 模糊-变结构滤波SOC估算算法研究 | 第47-48页 |
§5.3.3 仿真结果研究 | 第48-49页 |
§5.3.4 SOC初值对模糊-变结构滤波算法估算的影响研究 | 第49-50页 |
§5.4 动力电池端电压滤波 | 第50-54页 |
§5.5 双模糊变结构滤波SOC估算研究 | 第54-61页 |
§5.5.1 端电压滤波前后的SOC估算 | 第54-58页 |
§5.5.2 SOC初值对双模糊-变结构滤波的影响研究 | 第58-61页 |
§5.6 本章小结 | 第61-62页 |
第六章 总结与展望 | 第62-64页 |
§6.1 研究工作总结 | 第62页 |
§6.2 工作展望 | 第62-64页 |
参考文献 | 第64-71页 |
致谢 | 第71-72页 |
作者在读研期间已发表论文 | 第72页 |