| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第11-23页 |
| 1.1 课题的研究背景和意义 | 第11-14页 |
| 1.1.1 选题背景 | 第11页 |
| 1.1.2 课题研究意义 | 第11-14页 |
| 1.2 研究现状 | 第14-16页 |
| 1.2.1 国内研究现状 | 第14-16页 |
| 1.2.2 国外研究现状 | 第16页 |
| 1.3 研究内容、目标和关键问题 | 第16-17页 |
| 1.3.1 研究内容 | 第16-17页 |
| 1.3.2 研究目标 | 第17页 |
| 1.3.3 关键问题 | 第17页 |
| 1.4 采取的研究方法与技术路线 | 第17-20页 |
| 1.5 课题研究的重点、难点及创新之处 | 第20-23页 |
| 1.5.1 课题研究的重点 | 第20-21页 |
| 1.5.2 课题研究的难点 | 第21页 |
| 1.5.3 创新点 | 第21-23页 |
| 第二章 电动汽车动力电池实验与相关分析 | 第23-33页 |
| 2.1 动力电池的发展及分类 | 第23-24页 |
| 2.2 三元锂动力电池工作原理 | 第24-25页 |
| 2.3 三元锂电池特性分析 | 第25-32页 |
| 2.3.1 实验平台搭建 | 第25-27页 |
| 2.3.2 SOC与端电压的相关特性 | 第27-28页 |
| 2.3.3 SOC与内阻的相关特性 | 第28-29页 |
| 2.3.4 SOC与温度的相关特性 | 第29-30页 |
| 2.3.5 SOC与电流的相关特性 | 第30-31页 |
| 2.3.6 SOC与循环次数的相关特性 | 第31-32页 |
| 2.4 本章小结 | 第32-33页 |
| 第三章 基于SK-PSO-RBF优化的SOC预测 | 第33-51页 |
| 3.1 主流的SOC预测方法 | 第33-38页 |
| 3.1.1 基于SOC定义的预测方法 | 第33-34页 |
| 3.1.2 基于电池表征参数的预测方法 | 第34-36页 |
| 3.1.3 基于等效电路模型的预测方法 | 第36-37页 |
| 3.1.4 基于智能控制的预测方法 | 第37-38页 |
| 3.2 SK-PSO-RBF算法预测SOC | 第38-43页 |
| 3.2.1 标准RBF | 第38-39页 |
| 3.2.2 标准PSO | 第39-40页 |
| 3.2.3 九宫格优化原理 | 第40-41页 |
| 3.2.4 预测模型输入 | 第41-42页 |
| 3.2.5 预测测流程 | 第42-43页 |
| 3.3 试验测试及分析 | 第43-50页 |
| 3.3.1 试验测试 | 第43-46页 |
| 3.3.2 试验分析 | 第46-50页 |
| 3.4 本章小结 | 第50-51页 |
| 第四章 基于SK-PSO-RBF优化的剩余里程预测 | 第51-73页 |
| 4.1 剩余里程 | 第51页 |
| 4.2 剩余里程预测算法分类 | 第51-52页 |
| 4.3 续驶里程相关的特性因素 | 第52-56页 |
| 4.3.1 剩余里程与SOC的相关特性 | 第53-54页 |
| 4.3.2 剩余里程与速度的相关特性 | 第54-55页 |
| 4.3.3 剩余里程与能耗设备的相关特性 | 第55-56页 |
| 4.4 SK-PSO-RBF算法预测剩余里程 | 第56-61页 |
| 4.4.1 建立SK-PSO-RBF模型 | 第57页 |
| 4.4.2 非必要设备能耗修正模型 | 第57-59页 |
| 4.4.3 续驶里程-车速矫正模型 | 第59-60页 |
| 4.4.4 剩余里程预测模型 | 第60-61页 |
| 4.4.5 剩余里程预测流程 | 第61页 |
| 4.5 测试算法函数的拟合性能 | 第61-62页 |
| 4.6 AVLCruiseEV剩余里程仿真 | 第62-69页 |
| 4.6.1 试验分析 | 第63-64页 |
| 4.6.2 AVLCruise简介 | 第64-68页 |
| 4.6.3 仿真试验 | 第68-69页 |
| 4.7 试验对比分析 | 第69-72页 |
| 4.8 本章小结 | 第72-73页 |
| 第五章 总结与展望 | 第73-75页 |
| 5.1 总结 | 第73页 |
| 5.2 展望 | 第73-75页 |
| 参考文献 | 第75-78页 |
| 致谢 | 第78-79页 |
| 攻读学位期间的研究成果 | 第79-80页 |