| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 目录 | 第8-11页 |
| 第1章 引言 | 第11-17页 |
| 1.1 论文研究背景与意义 | 第11-12页 |
| 1.2 国内外电动汽车动力电池的研究现状 | 第12-14页 |
| 1.3 电池SOC估算算法的研究现状 | 第14-16页 |
| 1.3.1 SOC估算算法 | 第14-15页 |
| 1.3.2 SOC估算算法难点 | 第15-16页 |
| 1.4 本文研究的主要内容 | 第16-17页 |
| 第2章 锂离子动力电池SOC估算 | 第17-24页 |
| 2.1 锂离子电池的工作原理 | 第18-19页 |
| 2.2 锂离子电池模型 | 第19-21页 |
| 2.3 锂离子电池SOC估算影响因素 | 第21-22页 |
| 2.4 锂离子电池SOC估算算法分析 | 第22-23页 |
| 2.5 本章小结 | 第23-24页 |
| 第3章 径向基函数神经网络 | 第24-31页 |
| 3.1 人工神经网络 | 第24-26页 |
| 3.1.1 人工神经元模型 | 第24-25页 |
| 3.1.2 人工神经网络 | 第25-26页 |
| 3.1.3 神经网络学习规则 | 第26页 |
| 3.2 径向基函数神经（RBFN）网络 | 第26-29页 |
| 3.2.1 RBFN网络结构 | 第27-28页 |
| 3.2.2 RBFN网络估算SOC | 第28-29页 |
| 3.3 应用RBFN网络估算电池SOC存在的问题 | 第29-30页 |
| 3.4 本章小结 | 第30-31页 |
| 第4章 正则最小二乘法与改进粒子群结合的混合算法 | 第31-43页 |
| 4.1 正则最小二乘法 | 第31-35页 |
| 4.1.1 最小二乘法 | 第31-32页 |
| 4.1.2 改进正则最小二乘法 | 第32-35页 |
| 4.2 粒子群优化算法 | 第35-38页 |
| 4.2.1 标准粒子群算法 | 第35-37页 |
| 4.2.2 改进粒子群算法（IPSO） | 第37-38页 |
| 4.3 IPSO‐RLS混合算法流程 | 第38-40页 |
| 4.4 IPSO‐RLS混合算法验证 | 第40-42页 |
| 4.4.1 测试函数 | 第40页 |
| 4.4.2 实验设置 | 第40-41页 |
| 4.4.3 实验结果 | 第41-42页 |
| 4.5 本章小结 | 第42-43页 |
| 第5章 混合算法优化RBFN网络实验仿真研究 | 第43-54页 |
| 5.1 IPSO‐RLS混合算法设置 | 第43-46页 |
| 5.1.1 IPSO优化RLS正则系数 | 第43-44页 |
| 5.1.2 IPSO‐RLS算法优化RBFN网络参数 | 第44-46页 |
| 5.2 优化后的RBFN网络仿真实验 | 第46-51页 |
| 5.2.1 实验设置 | 第46页 |
| 5.2.2 数据采集 | 第46-48页 |
| 5.2.3 实验仿真 | 第48-51页 |
| 5.3 实验结果分析 | 第51-53页 |
| 5.4 本章小结 | 第53-54页 |
| 第6章 锂离子动力电池SOC估算系统设计 | 第54-66页 |
| 6.1 电池管理系统硬件设计 | 第55-59页 |
| 6.1.1 主控单元MCU | 第55页 |
| 6.1.2 电压采集电路 | 第55-56页 |
| 6.1.3 电流采集电路 | 第56-57页 |
| 6.1.4 温度采集电路 | 第57-58页 |
| 6.1.5 CAN总线通信电路 | 第58-59页 |
| 6.2 动力电池SOC估算系统软件设计 | 第59-63页 |
| 6.2.1 主程序设计 | 第59页 |
| 6.2.2 动力电池数据采集程序设计 | 第59-61页 |
| 6.2.3 CAN总线通信程序设计 | 第61-62页 |
| 6.2.4 SOC估算算法程序设计 | 第62-63页 |
| 6.3 系统性能测试 | 第63-65页 |
| 6.4 本章小结 | 第65-66页 |
| 第7章 总结与展望 | 第66-68页 |
| 参考文献 | 第68-71页 |
| 致谢 | 第71-72页 |
| 附录攻读硕士学位期间发表的论文 | 第72页 |