| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-20页 |
| 1.1 课题的提出 | 第10-11页 |
| 1.2 锂离子电池管理系统的相关技术与研究现状 | 第11-17页 |
| 1.2.1 电池管理系统的主要功能 | 第11-13页 |
| 1.2.2 锂离子电池实时状态数据采集 | 第13-15页 |
| 1.2.3 锂离子电池的状态评估 | 第15页 |
| 1.2.4 锂离子电池单体电池之间的均衡控制 | 第15-17页 |
| 1.3 本文的主要工作及内容安排 | 第17-20页 |
| 第2章 SOC的影响因素测试分析与估算方法选择 | 第20-32页 |
| 2.1 SOC的定义及修正 | 第20-21页 |
| 2.2 影响电池SOC估算因素的测试分析 | 第21-26页 |
| 2.2.1 温度特性 | 第21-22页 |
| 2.2.2 放电电流特性 | 第22-23页 |
| 2.2.3 电压特性 | 第23-24页 |
| 2.2.4 内阻特性 | 第24-25页 |
| 2.2.5 循环次数 | 第25-26页 |
| 2.3 SOC估算方法的分析比较 | 第26-30页 |
| 2.3.1 各种SOC估算方法的分析 | 第26-29页 |
| 2.3.2 各种SOC估算方法的比较 | 第29-30页 |
| 2.4 本文选择的SOC递进式智能估算方法 | 第30-32页 |
| 第3章 递进式智能估算电池SOC的应用研究 | 第32-62页 |
| 3.1 基于BP神经网络的SOC估算 | 第32-39页 |
| 3.1.1 BP神经网络 | 第32-34页 |
| 3.1.2 网络样本数据获取 | 第34-37页 |
| 3.1.3 BP神经网络结构设计 | 第37-38页 |
| 3.1.4 网络估算SOC测试 | 第38-39页 |
| 3.2 遗传算法及BP神经网络优化 | 第39-45页 |
| 3.2.1 遗传算法的基本原理 | 第39页 |
| 3.2.2 遗传算法的算法构成 | 第39-41页 |
| 3.2.3 针对BP神经网络的优化 | 第41-43页 |
| 3.2.4 优化后的网络测试 | 第43-45页 |
| 3.3 基于遗传算法的Kalman滤波器的锂离子电池的SOC估算 | 第45-50页 |
| 3.3.1 卡尔曼滤波器模型 | 第45-47页 |
| 3.3.2 遗传算法设计卡尔曼滤波器的步骤 | 第47-49页 |
| 3.3.3 基于遗传算法的卡尔曼滤波锂离子电池SOC估计数据分析 | 第49-50页 |
| 3.4 扩展卡尔曼滤波估计SOC算法的实现 | 第50-60页 |
| 3.4.1 锂电池等效电路模型 | 第50-52页 |
| 3.4.2 扩展卡尔曼滤波算法估算锂电池SOC | 第52-58页 |
| 3.4.3 估算误差分析 | 第58-60页 |
| 3.5 本章小结 | 第60-62页 |
| 第4章 锂离子电池的单体监控与均衡控制策略的应用研究 | 第62-90页 |
| 4.1 电池组单体电池监控与均衡控制的重要性及均衡控制策略 | 第62-63页 |
| 4.2 基于LabVIEW的单排电池组监控系统 | 第63-77页 |
| 4.2.1 系统硬件设计 | 第63-70页 |
| 4.2.2 系统软件设计 | 第70-75页 |
| 4.2.3 测试及结果 | 第75-77页 |
| 4.3 在线再生制动能量回收均衡控制策略的研究 | 第77-83页 |
| 4.3.1 用于电动车锂离子电池组的数据采集和能量均衡控制总体结构 | 第77-80页 |
| 4.3.2 刹车制动回收的锂离子电池均衡控制策略 | 第80页 |
| 4.3.3 电池组均衡系统实验 | 第80-83页 |
| 4.4 锂离子电池电动车整车控制研究 | 第83-89页 |
| 4.4.1 电动车锂电池控制系统的整体结构 | 第84-87页 |
| 4.4.2 电动车整车控制实验测试 | 第87-89页 |
| 4.5 本章小结 | 第89-90页 |
| 第5章 结论与展望 | 第90-93页 |
| 5.1 结论 | 第90-91页 |
| 5.2 工作展望 | 第91-93页 |
| 参考文献 | 第93-102页 |
| 致谢 | 第102-103页 |
| 博士期间研究成果、发表的学术论文、主持项目及获奖 | 第103-104页 |
