首页--工业技术论文--电工技术论文--独立电源技术(直接发电)论文--蓄电池论文

锂离子电池荷电及健康状态预测方法研究

摘要第3-4页
Abstract第4-5页
第1章 绪论第8-15页
    1.1 课题的背景和意义第8-9页
    1.2 锂离子电池研究现状和发展第9-13页
        1.2.1 锂离子电池模型研究现状与发展第9页
        1.2.2 锂离子电池SOC研究现状与发展第9-11页
        1.2.3 锂离子电池SOH研究现状与发展第11-13页
    1.3 本文的研究内容与结构安排第13-15页
第2章 锂离子电池的工作原理第15-21页
    2.1 电池分类与对比第15-16页
    2.2 锂离子电池的工作原理第16-17页
    2.3 锂离子电池的特性分析第17-20页
        2.3.1 电压特性第18页
        2.3.2 内阻特性第18-19页
        2.3.3 效率特性第19-20页
    2.4 锂离子电池的主要特点第20页
    2.5 本章小结第20-21页
第3章 锂离子电池荷电状态估算第21-59页
    3.1 锂离子电池荷电状态的概述第21-24页
        3.1.1 荷电状态的定义及影响因素第21-22页
            3.1.1.1 荷电状态的定义第21-22页
            3.1.1.2 荷电状态的影响因素第22页
        3.1.2 典型的荷电状态估算方法第22-24页
            3.1.2.1 安时积分法第22-23页
            3.1.2.2 开路电压法第23页
            3.1.2.3 静电放电法第23页
            3.1.2.4 卡尔曼滤波法第23页
            3.1.2.5 神经网络法第23-24页
            3.1.2.6 模糊逻辑法第24页
    3.2 基于T-S模糊神经网络算法的荷电状态估算研究第24-47页
        3.2.1 模糊神经网络概述第24-25页
        3.2.2 模糊系统第25页
        3.2.3 神经网络第25-28页
            3.2.3.1 神经网络的组成第25-26页
            3.2.3.2 神经网络的学习算法第26页
            3.2.3.3 神经网络的泛化能力第26-28页
        3.2.4 T-S模糊神经网络第28-30页
            3.2.4.1 T-S模糊模型简介第28页
            3.2.4.2 T-S模糊神经网络结构及学习算法第28-30页
        3.2.5 T-S模糊神经网络预测锂离子电池SOC第30-33页
        3.2.6 实验结果与分析第33-47页
            3.2.6.1 不同放电倍率情况下SOC预测结果第33-42页
            3.2.6.2 锂离子电池表征参数重要性分析第42-47页
    3.3 基于随机森林回归算法的荷电状态估算研究第47-57页
        3.3.1 随机森林的基分类器-决策树第47页
        3.3.2 随机森林的理论概述第47-49页
        3.3.3 随机森林的随机性分析第49-50页
            3.3.3.1 训练集的随机选取第49页
            3.3.3.2 随机特征变量的随机性第49-50页
        3.3.4 随机森林的构建第50页
        3.3.5 随机森林预测SOC第50-53页
        3.3.6 实验结果与分析第53-57页
    3.4 本章小结第57-59页
第4章 锂离子电池健康状态估计第59-72页
    4.1 锂离子电池健康状态概述第59-62页
        4.1.1 锂离子电池健康状态的定义第59页
        4.1.2 锂离子电池SOH的影响因素第59-60页
            4.1.2.1 影响锂离子电池SOH的内部因素第60页
            4.1.2.2 影响锂离子电池SOH的外部因素第60页
        4.1.3 锂离子电池SOH的评价指标第60-61页
        4.1.4 锂离子电池SOH的表征参数第61页
        4.1.5 典型的健康状态估算方法第61-62页
            4.1.5.1 电化学模型第61页
            4.1.5.2 经验模型第61页
            4.1.5.3 等效电路模型第61-62页
            4.1.5.4 人工神经网络模型第62页
    4.2 基于随机森林回归算法的健康状态估算研究第62-71页
        4.2.1 锂离子电池表征参数分析第62-65页
        4.2.2 随机森林回归预测锂离子电池SOH第65-71页
            4.2.2.1 分析随机森林在预测锂离子电池SOH的泛化能力第65-70页
            4.2.2.2 分析随机森林在小样本容量预测锂离子电池SOH效果第70-71页
    4.3 本章小结第71-72页
第5章 总结与展望第72-74页
    5.1 总结第72-73页
    5.2 展望第73-74页
参考文献第74-78页
攻读硕士学位期间的科研成果第78-79页
致谢第79-80页

论文共80页,点击 下载论文
上一篇:无电电镀法制备高性能柔性金属网格透明导电薄膜并应用于太阳能电池
下一篇:废弃生物质的酸和酶改性及其对微污染水体中抗生素的吸附