| 摘要 | 第6-8页 |
| ABSTRACT | 第8页 |
| 第一章 绪论 | 第13-22页 |
| 1.1 课题来源及研究的目的和意义 | 第13-17页 |
| 1.1.1 电动汽车的技术现状 | 第13-15页 |
| 1.1.2 动力电池的技术现状 | 第15-17页 |
| 1.2 国内外研究现状及分析 | 第17-20页 |
| 1.2.1 电池荷电状态SoC的研究现状 | 第17-18页 |
| 1.2.2 电池健康状况SoH的研究现状 | 第18-19页 |
| 1.2.3 电动汽车行动力的研究现状 | 第19-20页 |
| 1.3 本文的主要研究内容 | 第20-22页 |
| 第二章 基于改进的最小二乘法和BP神经网络的电池荷电状态估算方法 | 第22-46页 |
| 2.1 常用的SoC估算方法 | 第22-24页 |
| 2.1.1 电荷累积法 | 第22-23页 |
| 2.1.2 开路电压法 | 第23页 |
| 2.1.3 基于模型的估算方法 | 第23-24页 |
| 2.1.4 扩展卡尔曼滤波方法 | 第24页 |
| 2.2 锂离子电池RC模型的建立与验证 | 第24-27页 |
| 2.3 基于改进的最小二乘法估算电池SoC | 第27-31页 |
| 2.3.1 SoC估算的最小二乘法 | 第27-29页 |
| 2.3.2 基于Householder变换的最小二乘法的改进 | 第29-31页 |
| 2.4 基于车联网技术的BP神经网络估算电池SoC | 第31-35页 |
| 2.4.1 车联网技术 | 第31-32页 |
| 2.4.2 BP神经网络估算电池SoC | 第32-35页 |
| 2.5 锂离子电池充放电系统平台的搭建和充放电实验 | 第35-41页 |
| 2.5.1 锂离子电池放电容量的影响因素 | 第35页 |
| 2.5.2 锂离子电池的充放电特性 | 第35-36页 |
| 2.5.3 锂离子电池充放电系统硬件平台 | 第36-39页 |
| 2.5.4 锂离子电池充放电系统软件平台及实验方案 | 第39-41页 |
| 2.6 锂离子电池充放电实验结果和误差讨论 | 第41-44页 |
| 2.6.1 锂离子电池SoC-OCV曲线结果 | 第41-42页 |
| 2.6.2 估算SoC的算法验证结果 | 第42-44页 |
| 2.7 本章总结 | 第44-46页 |
| 第三章 锂离子电池SOH模型的建立和寿命预测 | 第46-57页 |
| 3.1 锂离子电池SoH的常用估算方法 | 第46-47页 |
| 3.1.1 完全放电法 | 第46页 |
| 3.1.2 内阻法 | 第46-47页 |
| 3.2 电压曲线插值法估算电池SoH | 第47-52页 |
| 3.2.1 电池的充电特性和循环特性分析 | 第47-49页 |
| 3.2.2 电池的电压曲线归一化和基于插值的估算方法 | 第49-52页 |
| 3.3 基于数据驱动的Elman神经网络估算电池SoH | 第52-56页 |
| 3.3.1 基于数据驱动的电池SoH模型的建立 | 第52-53页 |
| 3.3.2 电池SoH模型预测的Elman神经网络 | 第53-54页 |
| 3.3.3 基于Elman神经网络SoH模型的验证与仿真 | 第54-56页 |
| 3.4 本章小结 | 第56-57页 |
| 第四章 基于云服务的电动汽车行动力分析 | 第57-81页 |
| 4.1 电动汽车行动力道路驾驶实验与行动力监测系统 | 第57-61页 |
| 4.1.1 电动汽车行动力数据采集系统 | 第57-59页 |
| 4.1.2 电动汽车行动力监测系统 | 第59-60页 |
| 4.1.3 电动汽车行动力道路驾驶实验 | 第60-61页 |
| 4.2 开环的电动汽车行动力分析 | 第61-79页 |
| 4.2.1 行动力分析的驾驶行为模型 | 第61-68页 |
| 4.2.2 行动力分析的速度预测模型 | 第68-70页 |
| 4.2.3 行动力分析的电池功率模型 | 第70-74页 |
| 4.2.4 行动力分析的电池放电模型 | 第74-76页 |
| 4.2.5 开环的行动力分析模型验证 | 第76-79页 |
| 4.3 基于驾驶行为更新的闭环电动汽车行动力分析 | 第79-80页 |
| 4.4 本章小结 | 第80-81页 |
| 第五章 总结与展望 | 第81-84页 |
| 5.1 总结 | 第81-82页 |
| 5.2 展望 | 第82-84页 |
| 参考文献 | 第84-88页 |
| 致谢 | 第88-89页 |
| 攻读硕士学位期间已发表或录用的论文 | 第89页 |
