| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 图表清单 | 第10-12页 |
| 注释表 | 第12-13页 |
| 缩略词 | 第13-14页 |
| 第一章 绪论 | 第14-23页 |
| 1.1 论文的研究目的和意义 | 第14-15页 |
| 1.2 国内外研究现状及存在问题 | 第15-21页 |
| 1.2.1 电动汽车及关键技术 | 第15-17页 |
| 1.2.2 纯电动汽车用电池 | 第17-19页 |
| 1.2.3 电池管理系统 | 第19-20页 |
| 1.2.4 电池荷电状态估计 | 第20-21页 |
| 1.3 本文主要研究内容 | 第21-23页 |
| 第二章 锂电池性能分析及建模 | 第23-47页 |
| 2.1 概述 | 第23-24页 |
| 2.2 锂电池基本特性 | 第24-34页 |
| 2.2.1 电压特性 | 第25-30页 |
| 2.2.2 内阻特性 | 第30-31页 |
| 2.2.3 效率特性 | 第31-32页 |
| 2.2.4 循环特性 | 第32-34页 |
| 2.3 电池模型概述 | 第34-37页 |
| 2.3.1 等效电路模型 | 第34-36页 |
| 2.3.2 神经网络模型 | 第36-37页 |
| 2.3.3 电化学模型 | 第37页 |
| 2.4 锂电池模型建立 | 第37-38页 |
| 2.5 模型参数辨识 | 第38-43页 |
| 2.5.1 系统辨识基本原理 | 第38-39页 |
| 2.5.2 最小二乘参数辨识 | 第39-42页 |
| 2.5.3 辨识结果 | 第42-43页 |
| 2.6 模型验证 | 第43-46页 |
| 2.7 本章小结 | 第46-47页 |
| 第三章 基于粒子滤波算法的电池 SOC 估计 | 第47-65页 |
| 3.1 概述 | 第47-51页 |
| 3.2 粒子滤波算法的基本理论 | 第51-55页 |
| 3.2.1 基本原理 | 第51-54页 |
| 3.2.2 粒子退化 | 第54页 |
| 3.2.3 重采样技术 | 第54-55页 |
| 3.3 锂电池 SOC 估计的 PF 算法 | 第55-57页 |
| 3.4 基于 ADVISOR 的虚拟试验验证 | 第57-64页 |
| 3.4.1 ADVISOR 后轮驱动模型的开发 | 第57-60页 |
| 3.4.2 后轮驱动模型的验证 | 第60-62页 |
| 3.4.3 ADVISOR 中电池模型的开发 | 第62-63页 |
| 3.4.4 仿真结果分析 | 第63-64页 |
| 3.5 本章小结 | 第64-65页 |
| 第四章 基于扩展卡尔曼粒子滤波算法的电池 SOC 估计 | 第65-72页 |
| 4.1 EKF 算法的基本理论 | 第65-67页 |
| 4.2 锂电池 SOC 估计的 EKPF 算法 | 第67-71页 |
| 4.2.1 卡尔曼滤波模型 | 第67页 |
| 4.2.2 算法步骤与实现 | 第67-69页 |
| 4.2.3 试验验证 | 第69-71页 |
| 4.3 本章小结 | 第71-72页 |
| 第五章 基于无迹卡尔曼粒子滤波算法的电池 SOC 估计 | 第72-80页 |
| 5.1 UKF 算法的基本理论 | 第72-75页 |
| 5.1.1 UKF 算法特点 | 第72-73页 |
| 5.1.2 Unscented 变换 | 第73-74页 |
| 5.1.3 算法步骤 | 第74-75页 |
| 5.2 锂电池 SOC 估计的 UPF 算法 | 第75-77页 |
| 5.2.1 Sigma 点的对称采样策略 | 第75-76页 |
| 5.2.2 比例修正算法的应用 | 第76页 |
| 5.2.3 算法步骤与实现 | 第76-77页 |
| 5.3 PF、EKPF 和 UPF 三种锂电池 SOC 估计方法比较 | 第77-79页 |
| 5.4 本章小结 | 第79-80页 |
| 第六章 总结与展望 | 第80-82页 |
| 6.1 课题主要研究内容和创新点 | 第80-81页 |
| 6.1.1 课题主要研究内容 | 第80-81页 |
| 6.1.2 本文的主要创新点 | 第81页 |
| 6.2 展望 | 第81-82页 |
| 参考文献 | 第82-86页 |
| 致谢 | 第86-87页 |
| 在学校期间的研究成果及发表的学术论文 | 第87页 |
