基于扩展卡尔曼神经网络估算汽车电池SOC的研究
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 课题来源 | 第10页 |
| 1.2 课题研究背景及意义: | 第10页 |
| 1.3 电动汽车的发展现状和前景 | 第10-12页 |
| 1.3.1 国外研究现状 | 第11页 |
| 1.3.2 国内电动汽车发展现状 | 第11-12页 |
| 1.4 SOC估计方法的研究现状 | 第12-13页 |
| 1.4.1 计算SOC | 第12页 |
| 1.4.2 估计SOC方法 | 第12-13页 |
| 1.5 本文的主要研究内容 | 第13-16页 |
| 第二章 锂离子电池特性分析 | 第16-26页 |
| 2.1 锂离子电池性能及工作原理 | 第16-20页 |
| 2.1.1 电动汽车动力电池发展简介 | 第16-17页 |
| 2.1.2 锂离子的电池结构及工作原理 | 第17-20页 |
| 2.2 锂离子电池放电特性分析 | 第20-22页 |
| 2.3 荷电状态SOC的定义 | 第22页 |
| 2.4 电池容量的影响因素 | 第22-25页 |
| 2.4.1 放电倍率因素 | 第23页 |
| 2.4.2 温度因素 | 第23-24页 |
| 2.4.3 自放电因素 | 第24页 |
| 2.4.4 循环寿命因素 | 第24-25页 |
| 2.4.5 自恢复特性因素 | 第25页 |
| 2.5 本章小结 | 第25-26页 |
| 第三章 锂离子电池模型及参数辨识 | 第26-44页 |
| 3.1 等效电路模型的选择 | 第26-31页 |
| 3.1.1 常用的等效电路模型 | 第26-30页 |
| 3.1.2 本文选用的等效电路模型 | 第30-31页 |
| 3.2 电池模型参数辨识 | 第31-36页 |
| 3.2.1 参数识别实验 | 第31-33页 |
| 3.2.2 获取开路电压的实验 | 第33-34页 |
| 3.2.3 电池其他参数辨识 | 第34-36页 |
| 3.3 二阶THEVENIN电路的仿真与验证 | 第36-41页 |
| 3.3.1 二阶Thevenin电路的仿真 | 第36-39页 |
| 3.3.2 参数验证 | 第39-41页 |
| 3.4 神经网络曲线拟合 | 第41-42页 |
| 3.5 本章小结 | 第42-44页 |
| 第四章 EKF估算电池SOC | 第44-62页 |
| 4.1 卡尔曼算法的原理及实现过程 | 第44-47页 |
| 4.1.1 卡尔曼算法原理 | 第44-46页 |
| 4.1.2 卡尔曼实现过程 | 第46-47页 |
| 4.2 扩展卡尔曼滤波算法 | 第47-50页 |
| 4.3 EKF算法的应用 | 第50-52页 |
| 4.3.1 电路空间方程 | 第50-52页 |
| 4.4 估算结果的验证 | 第52-55页 |
| 4.5 无迹卡尔曼滤波算法 | 第55-60页 |
| 4.5.1 无迹卡尔曼滤波算法理论 | 第55-57页 |
| 4.5.2 无迹卡尔估算流程 | 第57页 |
| 4.5.3 实验结果 | 第57-60页 |
| 4.5.4 算法收敛性验证 | 第60页 |
| 4.6 本章小结 | 第60-62页 |
| 第五章 结论 | 第62-64页 |
| 5.1 全文总结 | 第62页 |
| 5.2 科研展望 | 第62-64页 |
| 参考文献 | 第64-66页 |
| 作者简介 | 第66页 |
| 作者在攻读硕士学位期间发表的学术论文 | 第66页 |
| 作者在攻读硕士学位期间获国家发明专利 | 第66-68页 |
| 致谢 | 第68页 |
