| 摘要 | 第6-8页 |
| Abstract | 第8-9页 |
| 第1章 绪论 | 第12-20页 |
| 1.1 引言 | 第12-13页 |
| 1.2 课题研究背景及意义 | 第13-15页 |
| 1.2.1 能源危机和环境污染 | 第13页 |
| 1.2.2 世界各国对新能源汽车的大力推广 | 第13-14页 |
| 1.2.3 课题研究的意义 | 第14-15页 |
| 1.3 国内外研究现状 | 第15-18页 |
| 1.3.1 锂电池模型研究现状 | 第15-16页 |
| 1.3.2 锂电池SOC估计现状 | 第16-18页 |
| 1.4 论文的主要内容和章节安排 | 第18-20页 |
| 第2章 磷酸铁锂动力电池性性能测试 | 第20-31页 |
| 2.1 SOC的定义 | 第20页 |
| 2.2 磷酸铁锂电池的工作原理 | 第20-22页 |
| 2.3 磷酸铁锂动力电池的特性 | 第22-27页 |
| 2.3.1 磷酸铁锂电池电压特性 | 第24-25页 |
| 2.3.2 磷酸铁锂电池的容量特性 | 第25-26页 |
| 2.3.3 磷酸铁锂电池的内阻特性 | 第26页 |
| 2.3.4 磷酸铁锂电池的比能量、比功率 | 第26-27页 |
| 2.4 基于LABVIEW的数据采集和分析 | 第27-29页 |
| 2.5 电池实验方法 | 第29-30页 |
| 2.6 本章小结 | 第30-31页 |
| 第3章 磷酸铁锂电池等效模型的建立 | 第31-41页 |
| 3.1 磷酸铁锂电池等效模型简介 | 第31-34页 |
| 3.1.1 电化学模型 | 第31页 |
| 3.1.2 神经网络模型 | 第31-32页 |
| 3.1.3 交路阻抗模型 | 第32页 |
| 3.1.4 等效电路模型 | 第32-34页 |
| 3.2 磷酸铁锂电池等效模型的确定 | 第34-39页 |
| 3.2.1 改进二阶RC模型 | 第34-35页 |
| 3.2.2 改进二阶RC模型参数离线辨识 | 第35-39页 |
| 3.3 改进二阶RC模型的验证 | 第39-40页 |
| 3.4 本章小结 | 第40-41页 |
| 第4章 双卡尔曼滤波估计电池SOC和模型参数 | 第41-50页 |
| 4.1 卡尔曼滤波原理 | 第41-44页 |
| 4.2 改进二阶RC电池模型的数学公式推导 | 第44-45页 |
| 4.3 双卡尔曼滤波估计SOC和模型参数 | 第45-48页 |
| 4.3.1 模型参数固定的扩展卡尔曼滤波SOC估计的实现 | 第46-47页 |
| 4.3.2 双卡尔曼滤波算法联合估计电池SOC和模型参数的实现 | 第47-48页 |
| 4.4 电池SOC估算方法验证 | 第48-49页 |
| 4.5 本章小结 | 第49-50页 |
| 第5章 基于CKF的电池SOC估计 | 第50-59页 |
| 5.1 无迹卡尔曼滤波 | 第50-52页 |
| 5.1.1 UT变换 | 第50-51页 |
| 5.1.2 无迹卡尔曼滤波算法(UKF) | 第51-52页 |
| 5.2 容积卡尔曼滤波 | 第52-56页 |
| 5.2.1 球面径向容积准则 | 第53-54页 |
| 5.2.2 容积卡尔曼滤波算法步骤 | 第54-56页 |
| 5.3 容积卡尔曼滤波对电池SOC估计的实现 | 第56-58页 |
| 5.3.1 容积卡尔曼滤波对电池SOC估计的实现 | 第56页 |
| 5.3.2 荷电状态仿真实验 | 第56-58页 |
| 5.4 本章小结 | 第58-59页 |
| 第6章 最小二乘支持向量机SOC估计方法 | 第59-69页 |
| 6.1 支持向量机的理论基础 | 第59-61页 |
| 6.1.1 机器学习理论 | 第59-60页 |
| 6.1.2 统计学习理论 | 第60-61页 |
| 6.2 支持向量机原理 | 第61-64页 |
| 6.2.1 线性支持向量机 | 第61-64页 |
| 6.2.2 非线性支持向量机 | 第64页 |
| 6.3 最小二乘支持向量机回归方法 | 第64-66页 |
| 6.4 基于粒子群的参数寻优方法 | 第66-67页 |
| 6.5 实验测试 | 第67-69页 |
| 结论 | 第69-71页 |
| 工作总结 | 第69-70页 |
| 进一步展望 | 第70-71页 |
| 致谢 | 第71-72页 |
| 参考文献 | 第72-74页 |