电动汽车锂离子电池建模与SOC估计研究
| 摘要 | 第7-8页 |
| abstract | 第8-9页 |
| 第一章 绪论 | 第10-20页 |
| 1.1 课题研究背景及意义 | 第10-12页 |
| 1.2 锂离子电池模型的研究现状 | 第12-13页 |
| 1.3 锂离子电池SOC估计方法的研究现状 | 第13-18页 |
| 1.3.1 基于实验的传统SOC估计方法 | 第14-15页 |
| 1.3.2 基于机器学习的SOC估计方法 | 第15-16页 |
| 1.3.3 基于观测器的SOC估计方法 | 第16-18页 |
| 1.4 论文的内容与结构 | 第18-20页 |
| 第二章 锂离子电池特性研究与等效模型的建立 | 第20-38页 |
| 2.1 本章引言 | 第20页 |
| 2.2 锂离子电池工作原理及性能指标 | 第20-25页 |
| 2.2.1 工作原理 | 第20-21页 |
| 2.2.2 性能指标 | 第21-25页 |
| 2.3 常用的等效电路模型 | 第25-29页 |
| 2.3.1 内阻模型 | 第25页 |
| 2.3.2 Thevenin模型 | 第25-27页 |
| 2.3.3 RC等效模型 | 第27页 |
| 2.3.4 PNGV模型 | 第27-28页 |
| 2.3.5 GNL模型 | 第28-29页 |
| 2.4 本文等效RC模型的建立 | 第29-36页 |
| 2.4.1 等效模型的建立 | 第30-34页 |
| 2.4.2 对所用电池模型的验证 | 第34-36页 |
| 2.5 本章小结 | 第36-38页 |
| 第三章 基于新型滑模观测器的估计方法 | 第38-44页 |
| 3.1 本章引言 | 第38页 |
| 3.2 新型滑模观测器的设计 | 第38-41页 |
| 3.2.1 滑模观测器设计 | 第39-40页 |
| 3.2.2 稳定性证明 | 第40-41页 |
| 3.3 仿真验证 | 第41-42页 |
| 3.4 本章小结 | 第42-44页 |
| 第四章 基于RBF神经网络观测器的估计方法 | 第44-52页 |
| 4.1 本章引言 | 第44页 |
| 4.2 基于RBF神经网络观测器的SOC估计 | 第44-48页 |
| 4.2.1 基于RBF神经网络的观测器设计 | 第45-47页 |
| 4.2.2 稳定性证明 | 第47-48页 |
| 4.3 仿真验证 | 第48-50页 |
| 4.4 本章小结 | 第50-52页 |
| 第五章 基于ADVISOR的估计仿真实验 | 第52-64页 |
| 5.1 本章引言 | 第52页 |
| 5.2 ADVISOR中电动汽车的整车建模 | 第52-56页 |
| 5.3 基于ADVISOR实际工况的SOC估计 | 第56-63页 |
| 5.3.1 UDDS工况 | 第58-60页 |
| 5.3.2 NYCC工况 | 第60-63页 |
| 5.4 本章小结 | 第63-64页 |
| 第六章 总结与展望 | 第64-66页 |
| 6.1 论文总结 | 第64-65页 |
| 6.2 研究展望 | 第65-66页 |
| 参考文献 | 第66-72页 |
| 致谢 | 第72-73页 |
| 附录 | 第73-74页 |
