基于神经网络的电动汽车磷酸铁锂电池SOC估算方法研究
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-8页 |
| 第一章 绪论 | 第8-16页 |
| ·课题背景 | 第8-11页 |
| ·国内外电动汽车发展概述 | 第8-9页 |
| ·电池技术发展概述 | 第9-11页 |
| ·SOC 研究现状 | 第11-14页 |
| ·本文研究意义和主要研究内容 | 第14-16页 |
| 第二章 磷酸铁锂电池特性分析及电池 SOC | 第16-33页 |
| ·电动汽车对动力电池性能要求 | 第16-17页 |
| ·磷酸铁锂电池特性分析 | 第17-25页 |
| ·磷酸铁锂动力电池 | 第17-20页 |
| ·磷酸铁锂电池特性 | 第20-25页 |
| ·磷酸铁锂电池模型 | 第25-27页 |
| ·等效电路模型 | 第25-26页 |
| ·电化学模型 | 第26-27页 |
| ·电池 SOC 及其影响因素 | 第27-30页 |
| ·电池 SOC | 第27-28页 |
| ·SOC 估算影响因素 | 第28-29页 |
| ·SOC 定义的修正 | 第29-30页 |
| ·SOC 估算方法选择 | 第30-31页 |
| ·本章小结 | 第31-33页 |
| 第三章 基于神经网络的 SOC 估算 | 第33-60页 |
| ·神经网络 | 第33-41页 |
| ·神经元模型 | 第33-34页 |
| ·BP 神经网络 | 第34-36页 |
| ·BP 网络的学习算法 | 第36-40页 |
| ·Leverberg-Marquardt 算法 | 第40-41页 |
| ·SOC 估算网络样本数据 | 第41-47页 |
| ·网络样本数据获取 | 第42-44页 |
| ·安时计量法计算样本 SOC | 第44-45页 |
| ·训练样本优化 | 第45-47页 |
| ·BP 网络各层节点设计 | 第47-50页 |
| ·输入和输出层节点设计 | 第47页 |
| ·隐层节点设计 | 第47-50页 |
| ·BP 网络对 SOC 估算测试 | 第50-58页 |
| ·10℃1C 测试样本的 SOC 估算测试 | 第50-52页 |
| ·室温下放电实验的 SOC 估算测试 | 第52-58页 |
| ·本章小结 | 第58-60页 |
| 第四章 基于时变工况的电池 SOC 估算网络改进 | 第60-77页 |
| ·动力电池时变工况问题的提出 | 第60页 |
| ·改进后网络训练样本 | 第60-64页 |
| ·模拟实际工况放电实验的设计 | 第60-64页 |
| ·训练样本数据的获取 | 第64页 |
| ·改进后 BP 网络的设计 | 第64-72页 |
| ·改进后网络结构参数寻优 | 第64-67页 |
| ·输入向量中时间点个数的确定 | 第67-68页 |
| ·输入各时间点数据权重系数遗传算法寻优 | 第68-70页 |
| ·改进后网络隐层节点数的确定 | 第70-72页 |
| ·改进后网络 SOC 估算测试 | 第72-76页 |
| ·改进后网络对恒流放电实验 SOC 估算 | 第73-75页 |
| ·改进后网络对模拟实际工况放电实验 SOC 估算 | 第75-76页 |
| ·本章小结 | 第76-77页 |
| 第五章 结论与展望 | 第77-79页 |
| ·本文总结及主要工作 | 第77页 |
| ·进一步研究方向 | 第77-79页 |
| 参考文献 | 第79-83页 |
| 致谢 | 第83-84页 |
| 在学期间发表的论文和参加科研情况 | 第84-85页 |
