| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第9-13页 |
| 1.1 课题研究背景和意义 | 第9-10页 |
| 1.2 课题研究现状 | 第10-11页 |
| 1.3 课题主要研究内容 | 第11-13页 |
| 2 电池基本参数和常用荷电状态估算方法 | 第13-20页 |
| 2.1 电池基本参数和种类 | 第13-16页 |
| 2.1.1 电池相关术语和定义 | 第13-15页 |
| 2.1.2 便携式设备常用电池种类 | 第15-16页 |
| 2.2 电池的电化学原理 | 第16页 |
| 2.2.1 镍氢电池电化学原理 | 第16页 |
| 2.2.2 锂离子电池电化学原理 | 第16页 |
| 2.3 电池荷电状态的估算方法 | 第16-19页 |
| 2.3.1 SOC的定义和常用估算方法 | 第17-19页 |
| 2.4 小结 | 第19-20页 |
| 3 电池组容量检测系统的设计和实现 | 第20-40页 |
| 3.1 检测系统结构 | 第20页 |
| 3.2 系统硬件设计 | 第20-27页 |
| 3.2.1 硬件的功能及性能指标要求 | 第21页 |
| 3.2.2 硬件总体设计 | 第21-22页 |
| 3.2.3 主要电路实现 | 第22-27页 |
| 3.3 系统软件设计 | 第27-32页 |
| 3.3.1 数据处理子系统主要软件设计 | 第27-30页 |
| 3.3.2 充电检测设备主要软件设计 | 第30-32页 |
| 3.4 应用系统对电池组的充、放电特性进行测试研究 | 第32-39页 |
| 3.4.1 电池组充电特性实验 | 第33-36页 |
| 3.4.2 电池组放电特性实验 | 第36-39页 |
| 3.5 小结 | 第39-40页 |
| 4 基于神经网络的电池组剩余容量检测方法的研究和实现 | 第40-63页 |
| 4.1 基于BP神经网络的电池组容量检测方法的研究 | 第40-52页 |
| 4.1.1 BP神经网络 | 第40页 |
| 4.1.2 确定神经网络结构 | 第40-42页 |
| 4.1.3 训练数据样本的采集 | 第42-46页 |
| 4.1.4 BP神经网络实验结果 | 第46-51页 |
| 4.1.5 BP神经网络实验总结及检测方法 | 第51-52页 |
| 4.2 基于ELM神经网络的电池组容量检测方法的研究和实现 | 第52-57页 |
| 4.2.1 极限学习机(ELM)网络结构和算法工作原理 | 第52-54页 |
| 4.2.2 ELM网络实验结果 | 第54-56页 |
| 4.2.3 ELM网络实验总结及检测方法 | 第56-57页 |
| 4.3 基于组合神经网络的电池组容量检测方法的设计和实验 | 第57-62页 |
| 4.3.1 BP和ELM神经网络实验结果比较 | 第57页 |
| 4.3.2 基于组合神经网络电池组SOC检测方法的设计 | 第57-60页 |
| 4.3.3 实验测试 | 第60-62页 |
| 4.4 小结 | 第62-63页 |
| 结论 | 第63-64页 |
| 参考文献 | 第64-67页 |
| 攻读硕士学位期间发表学术论文情况 | 第67-68页 |
| 致谢 | 第68-69页 |
