摘要 | 第5-6页 |
Abstract | 第6-7页 |
第1章 绪论 | 第11-19页 |
1.1 课题研究的背景及意义 | 第11-13页 |
1.2 国内外发展现状 | 第13-14页 |
1.3 直流系统 | 第14-15页 |
1.4 蓄电池 | 第15-16页 |
1.5 本文研究的主要内容和所作的工作 | 第16-19页 |
第2章 蓄电池运行参数在线测量 | 第19-39页 |
2.1 蓄电池运行参数的在线测量 | 第19-26页 |
2.1.1 电压测量 | 第19-20页 |
2.1.2 电流测量 | 第20页 |
2.1.3 内阻测量 | 第20-25页 |
2.1.4 温度测量 | 第25-26页 |
2.2 MCU电路设计 | 第26-27页 |
2.3 软件部分设计 | 第27-29页 |
2.4 通信单元设计 | 第29-37页 |
2.4.1 有线通讯单元设计 | 第30页 |
2.4.2 无线通信实现机制 | 第30-31页 |
2.4.3 MODBUS通讯协议通信机制 | 第31-34页 |
2.4.4 MiWTMP2P无线通信协议 | 第34-37页 |
2.5 本章小结 | 第37-39页 |
第3章 蓄电池并网放电 | 第39-51页 |
3.1 蓄电池并网系统分类 | 第39-42页 |
3.1.1 按输入方式分类 | 第39-40页 |
3.1.2 按输出控制方式分类 | 第40页 |
3.1.3 按系统的隔离方式分类 | 第40-42页 |
3.2 蓄电池并网放电装置总体方案设计 | 第42-45页 |
3.2.1 DC/DC电路设计 | 第42-44页 |
3.2.2 DC/AC电路设计 | 第44-45页 |
3.3 控制策略 | 第45-50页 |
3.3.1 并网放电控制策略 | 第45页 |
3.3.2 基于复合控制策略的并网电流控制 | 第45-49页 |
3.3.3 并网同步锁相 | 第49-50页 |
3.4 本章小结 | 第50-51页 |
第4章 基于神经网络残差修正模型的蓄电池故障灰色预测 | 第51-65页 |
4.1 灰色预测算法原理 | 第51-55页 |
4.1.1 GM(1,1)预测模型 | 第51-52页 |
4.1.2 GM(1,1)模型的检验 | 第52-55页 |
4.2 神经网络算法 | 第55-58页 |
4.3 基于BP神经网络的灰色残差修正模型 | 第58-63页 |
4.3.1 灰色残差BP神经网络预测模型的建立 | 第58-60页 |
4.3.2 实例分析 | 第60-63页 |
4.4 本章小结 | 第63-65页 |
第5章 实验结果及分析 | 第65-75页 |
5.1 蓄电池参数检测实验结果及分析 | 第65-70页 |
5.2 上传到上位机的数据显示结果分析 | 第70-73页 |
5.3 本章小结 | 第73-75页 |
第6章 总结与展望 | 第75-77页 |
6.1 总结 | 第75页 |
6.2 展望 | 第75-77页 |
参考文献 | 第77-81页 |
致谢 | 第81-83页 |
攻读硕士学位期间发表的论文 | 第83页 |