| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第13-23页 |
| 1.1 课题研究背景及意义 | 第13-15页 |
| 1.2 蓄电池荷电状态估计研究现状 | 第15-22页 |
| 1.2.1 SOC估计方法现状 | 第16-19页 |
| 1.2.2 国内外研究团队现状 | 第19-20页 |
| 1.2.3 SOC估计关键技术 | 第20-22页 |
| 1.3 本文主要内容安排 | 第22-23页 |
| 第二章 锂离子电池建模与参数离线辨识 | 第23-37页 |
| 2.1 引言 | 第23页 |
| 2.2 电池建模 | 第23-27页 |
| 2.2.1 锂离子电池原理和性能简介 | 第23-25页 |
| 2.2.2 常见电池模型 | 第25-27页 |
| 2.3 锂离子电池模型参数离线辨识 | 第27-33页 |
| 2.3.1 R_o、R_p、C_p参数辨识 | 第27-28页 |
| 2.3.2 OCV-SOC关系曲线辨识 | 第28-33页 |
| 2.4 库伦效率系数η辨识 | 第33-36页 |
| 2.5 本章小结 | 第36-37页 |
| 第三章 锂离子电池荷电状态在线估计算法研究 | 第37-54页 |
| 3.1 引言 | 第37页 |
| 3.2 原理简介 | 第37-41页 |
| 3.2.1 UT变换原理 | 第37-39页 |
| 3.2.2 UKF算法简介 | 第39-41页 |
| 3.3 基于自适应UKF的SOC估计算法 | 第41-43页 |
| 3.3.1 模型自适应方法简介 | 第41-42页 |
| 3.3.2 噪声自适应方法简介 | 第42-43页 |
| 3.4 利用RLS和最优无偏MAP法改进UKF的SOC估计算法 | 第43-46页 |
| 3.4.1 利用带遗忘因子最小二乘法实现模型参数自适应估计 | 第43-44页 |
| 3.4.2 利用渐消指数加权MAP时变估计器对噪声进行自适应估计 | 第44-45页 |
| 3.4.3 算法总结 | 第45-46页 |
| 3.5 利用扩维法和CM法改进UKF的SOC估计算法 | 第46-53页 |
| 3.5.1 锂离子电池模型参数敏感性分析 | 第47-49页 |
| 3.5.2 利用卡尔曼扩维法对模型关键参数实现自适应估计 | 第49-51页 |
| 3.5.3 利用协方差匹配法对噪声实现自适应估计 | 第51页 |
| 3.5.4 算法总结 | 第51-53页 |
| 3.6 本章小结 | 第53-54页 |
| 第四章 基于LabVIEW的实验平台上位机设计与算法验证 | 第54-69页 |
| 4.1 引言 | 第54页 |
| 4.2 实验平台硬件简介 | 第54-56页 |
| 4.2.1 PCI数据采集卡接口电路 | 第55页 |
| 4.2.2 充放电状态切换电路 | 第55-56页 |
| 4.3 基于LabVIEW的实验平台上位机软件设计 | 第56-63页 |
| 4.3.1 上位机软件功能与有限状态机设计 | 第56-57页 |
| 4.3.2 上位机软件前面板介绍 | 第57-59页 |
| 4.3.3 上位机软件核心模块设计 | 第59-63页 |
| 4.4 算法验证实验和结果分析 | 第63-67页 |
| 4.4.1 实验方案 | 第63-64页 |
| 4.4.2 实验结果分析 | 第64-67页 |
| 4.5 本章小结 | 第67-69页 |
| 第五章 总结和展望 | 第69-71页 |
| 5.1 本文主要研究工作总结 | 第69页 |
| 5.2 下一步工作展望 | 第69-71页 |
| 参考文献 | 第71-77页 |
| 致谢 | 第77-78页 |
| 在学期间的研究成果及发表的学术论文 | 第78页 |
