| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第一章 绪论 | 第10-17页 |
| 1.1 研究背景及意义 | 第10-12页 |
| 1.2 国内外研究现状 | 第12-15页 |
| 1.2.1 电池模型的研究现状 | 第12-13页 |
| 1.2.2 锂动力电池SOC估计现状 | 第13-15页 |
| 1.2.3 锂动力电池SOC与容量联合估计现状 | 第15页 |
| 1.3 论文主要内容 | 第15-17页 |
| 第二章 锂电池的建模与参数辨识 | 第17-33页 |
| 2.1 九种常见等效电路模型的建立 | 第17-20页 |
| 2.1.1 九种常见等效电路模型结构 | 第17-19页 |
| 2.1.2 九种常见等效电路模型方程 | 第19-20页 |
| 2.2 模型的参数辨识方法 | 第20-24页 |
| 2.2.1 粒子群优化算法 | 第20-22页 |
| 2.2.2 离线参数辨识方法以及优化结果评价方法 | 第22-24页 |
| 2.3 模型优化及结果评价 | 第24-32页 |
| 2.4 本章小结 | 第32-33页 |
| 第三章 基于改进自适应粒子滤波的动力电池SOC估计 | 第33-51页 |
| 3.1 粒子滤波滤波原理 | 第33-38页 |
| 3.1.1 蒙特卡罗方法 | 第33-34页 |
| 3.1.2 基于贝叶斯估计的重要性采样与贯序重要性采样 | 第34-38页 |
| 3.2 粒子滤波算法流程概要 | 第38页 |
| 3.3 基于粒子滤波的锂动力电池SOC估计设计与实现 | 第38-40页 |
| 3.3.1 模型结构的建立 | 第38-40页 |
| 3.3.2 基于粒子滤波的动力电池SOC估计算法流程 | 第40页 |
| 3.4 试验验证 | 第40-44页 |
| 3.4.1 试验数据信息整理 | 第40-43页 |
| 3.4.2 SOC估计结果 | 第43-44页 |
| 3.5 一种改进的自适应粒子滤波算法的提出 | 第44-47页 |
| 3.5.1 传统的自适应粒子滤波算法 | 第44-45页 |
| 3.5.2 一种改进的自适应粒子滤波的提出 | 第45-47页 |
| 3.6 改进自适应粒子滤波算法的实验验证 | 第47-49页 |
| 3.7 本章小结 | 第49-51页 |
| 第四章 基于双自适应粒子滤波算法的动力电池的SOC与参数联合估计 | 第51-66页 |
| 4.1 双粒子滤波算法的基本思想 | 第51页 |
| 4.2 多时间尺度方法 | 第51-52页 |
| 4.3 双粒子滤波算法流程 | 第52-53页 |
| 4.4 双自适应粒子滤波算法的提出 | 第53-55页 |
| 4.5 基于双粒子滤波的锂动力电池SOC、参数联合估计设计 | 第55-56页 |
| 4.6 计算案例与试验验证 | 第56-65页 |
| 4.6.1 试验数据的整理 | 第56-59页 |
| 4.6.2 模型的建立 | 第59-60页 |
| 4.6.3 上述两种算法的实验验证及对比 | 第60-65页 |
| 4.7 本章小结 | 第65-66页 |
| 第五章 基于双粒子滤波算法的动力电池SOC与容量联合估计 | 第66-72页 |
| 5.1 动力电池可用容量与 SOC 以及开路电压数学关系的建立 | 第66-67页 |
| 5.2 算法流程设计 | 第67-68页 |
| 5.3 计算案例与试验验证 | 第68-71页 |
| 5.3.1 试验数据的整理 | 第68-69页 |
| 5.3.2 模型的建立 | 第69-70页 |
| 5.3.3 算法的验证结果 | 第70-71页 |
| 5.4 本章小结 | 第71-72页 |
| 总结与展望 | 第72-75页 |
| 总结 | 第72-73页 |
| 论文的创新点 | 第73页 |
| 展望 | 第73-75页 |
| 参考文献 | 第75-80页 |
| 攻读硕士期间取得的研究成果 | 第80-81页 |
| 致谢 | 第81页 |
