摘要 | 第5-6页 |
ABSTRACT | 第6-7页 |
第一章 绪论 | 第11-19页 |
1.1 选题背景 | 第11-12页 |
1.2 传统的蓄电池SOC预测方法 | 第12-14页 |
1.2.1 安时积分法 | 第12页 |
1.2.2 开路电压法 | 第12-13页 |
1.2.3 内阻测量法 | 第13页 |
1.2.4 电解液密度法 | 第13页 |
1.2.5 放电试验法 | 第13页 |
1.2.6 综合分析法 | 第13-14页 |
1.3 人工智能方法 | 第14-17页 |
1.3.1 卡尔曼滤波法 | 第14-15页 |
1.3.2 神经网络算法 | 第15-16页 |
1.3.3 模糊神经网络算法 | 第16-17页 |
1.3.4 SOC预测方法的改进 | 第17页 |
1.4 论文结构 | 第17-18页 |
1.5 本文创新点 | 第18-19页 |
第二章 模糊神经网络及优化改进 | 第19-30页 |
2.1 模糊系统与神经网络 | 第19-23页 |
2.1.1 T-S模糊推理系统 | 第19-20页 |
2.1.2 模糊系统与神经网络的结合 | 第20页 |
2.1.3 隶属度函数 | 第20-23页 |
2.2 ANFIS原理 | 第23-27页 |
2.2.1 ANFIS结构 | 第23-26页 |
2.2.2 ANFIS学习算法 | 第26-27页 |
2.3 ANFIS算法的改进 | 第27-29页 |
2.4 小结 | 第29-30页 |
第三章 蓄电池SOC预测模型的确定 | 第30-37页 |
3.1 蓄电池模型介绍 | 第30-31页 |
3.1.1 电化学模型 | 第30页 |
3.1.2 等效电路模型 | 第30-31页 |
3.1.3 数学模型 | 第31页 |
3.2 蓄电池ANFIS模型的建立 | 第31-36页 |
3.2.1 影响蓄电池SOC的因素及输入参数的选择 | 第31-32页 |
3.2.2 ANFIS训练的初始FIS选择 | 第32-36页 |
3.3 小结 | 第36-37页 |
第四章 相关试验及模型仿真 | 第37-55页 |
4.1 蓄电池相关试验 | 第37-39页 |
4.1.1 试验对象 | 第37页 |
4.1.2 试验设备 | 第37-38页 |
4.1.3 试验方法 | 第38-39页 |
4.2 蓄电池影响因素分析 | 第39-43页 |
4.2.1 放电电压与SOC的关系 | 第39-40页 |
4.2.2 蓄电池内阻与SOC的关系 | 第40-42页 |
4.2.3 放电电流的影响分析 | 第42页 |
4.2.4 放电温度的影响分析 | 第42-43页 |
4.3 蓄电池模型仿真分析 | 第43-53页 |
4.3.1 仿真流程及模型函数 | 第43-44页 |
4.3.2 模糊聚类方法选取 | 第44-46页 |
4.3.3 算法改进前后性能分析 | 第46-49页 |
4.3.4 训练次数对预测误差的影响 | 第49-52页 |
4.3.5 训练数据量的选择 | 第52-53页 |
4.4 小结 | 第53-55页 |
第五章 系统软硬件设计 | 第55-63页 |
5.1 系统硬件结构 | 第55-59页 |
5.1.1 蓄电池内阻测量电路设计 | 第56-58页 |
5.1.2 其他参数测量电路设计 | 第58页 |
5.1.3 通信模块设计 | 第58-59页 |
5.2 软件结构设计 | 第59-62页 |
5.2.1 参数测量单元程序设计 | 第59-60页 |
5.2.2 显控平台程序设计 | 第60-62页 |
5.3 小结 | 第62-63页 |
第六章 系统运行总结和展望 | 第63-70页 |
6.1 系统运行情况 | 第63-64页 |
6.2 存在的问题及改进方法 | 第64-66页 |
6.3 总结 | 第66-68页 |
6.4 对蓄电池管理技术的展望 | 第68-70页 |
致谢 | 第70-71页 |
参考文献 | 第71-77页 |
附录 | 第77-88页 |
附录一 ANFIS学习算法改进源代码 | 第77-83页 |
附录二 MATLAB仿真程序 | 第83-88页 |
2.1 仿真主程序main.m | 第83-84页 |
2.2 试验数据处理程序data.m | 第84-85页 |
2.3 初始FIS产生函数fis.m | 第85页 |
2.4 绘图文件show_figure.m | 第85-88页 |