动力锂电池荷电状态估计策略的研究
| 摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 第一章 绪论 | 第9-15页 |
| ·电动汽车概述 | 第9-11页 |
| ·动力电池的发展状况 | 第11-12页 |
| ·电池管理系统概述 | 第12-13页 |
| ·研究目的及意义 | 第13页 |
| ·课题来源和研究内容 | 第13-14页 |
| ·课题来源 | 第13页 |
| ·课题研究内容 | 第13-14页 |
| ·课题的研究特色与创新之处 | 第14-15页 |
| 第二章 磷酸铁锂电池 SOC 影响因素分析 | 第15-20页 |
| ·磷酸铁锂锂离子电池的工作原理 | 第15-16页 |
| ·电池 SOC 的定义 | 第16页 |
| ·SOC 预测影响因素分析 | 第16-19页 |
| ·放电倍率 | 第17页 |
| ·温度因素 | 第17-18页 |
| ·电池的寿命与电池的健康状态 | 第18-19页 |
| ·自放电因素 | 第19页 |
| ·本章小结 | 第19-20页 |
| 第三章 电池 SOC 估计方法的研究 | 第20-27页 |
| ·国内外 SOC 估计方法比较 | 第20-22页 |
| ·电动汽车对 SOC 算法的要求 | 第22页 |
| ·电池健康状态(SOH)概述 | 第22-26页 |
| ·电池 SOH 定义 | 第22-23页 |
| ·电池 SOH 的影响因素 | 第23-25页 |
| ·电池 SOH 预测国内外方法概述 | 第25-26页 |
| ·本章小结 | 第26-27页 |
| 第四章 电池荷电状态预测 | 第27-48页 |
| ·基于小波神经网络的电池 SOC 预测研究 | 第27-32页 |
| ·小波神经网络预测原理 | 第27-30页 |
| ·基于小波神经网络的电池 SOC 预测 | 第30-32页 |
| ·基于最小二乘支持向量机的电池 SOC 预测研究 | 第32-42页 |
| ·支持向量机回归算法原理介绍 | 第32-38页 |
| ·最小二乘支持向量机的预测原理 | 第38-39页 |
| ·最小二乘支持向量机的电池 SOC 建模 | 第39-40页 |
| ·基于最小二乘支持向量机的电池 SOC 预测 | 第40-42页 |
| ·基于 SOH 的 SOC 预测方法的改进 | 第42-47页 |
| ·基于 SOH 权值选择的 SOC 预测 | 第42-44页 |
| ·基于 SOH 的电池 LS-SVM 预测 | 第44-47页 |
| ·本章小结 | 第47-48页 |
| 第五章 总结与展望 | 第48-49页 |
| 参考文献 | 第49-53页 |
| 发表论文和科研情况说明 | 第53-54页 |
| 致谢 | 第54-55页 |
