| 摘要 | 第1-3页 |
| ABSTRACT | 第3-7页 |
| 第1章 绪论 | 第7-20页 |
| ·HEV 电池管理系统研究背景及意义 | 第7-10页 |
| ·SOC 概念 | 第10-11页 |
| ·电池 SOC 估计的国内外研究现状 | 第11-18页 |
| ·论文的主要内容 | 第18-20页 |
| 第2章 HEV 动力锂电池特性分析与建模 | 第20-36页 |
| ·HEV 车用各类电池的主要性能 | 第20-21页 |
| ·HEV 对电池性能的要求 | 第21-22页 |
| ·根据锂离子电池的主要性能指标建立电池模型 | 第22-27页 |
| ·电池管理系统模型的建立 | 第27-35页 |
| ·HEV 动力电池组管理系统总体模型的建立 | 第28-29页 |
| ·电池组开路电压模型的建立 | 第29-30页 |
| ·电池组电流模型的建立 | 第30-31页 |
| ·电池组限制功率模型的建立 | 第31-32页 |
| ·电池组电荷状态 SOC 模型的建立 | 第32-33页 |
| ·电池组最大功率模型的建立 | 第33-34页 |
| ·电池组温度模型的建立 | 第34-35页 |
| ·本章小结 | 第35-36页 |
| 第3章 基于小波神经网络 HEV 动力锂电池组 SOC 估计 | 第36-50页 |
| ·小波神经网络原理以及其优势 | 第36-39页 |
| ·小波分析理论 | 第36-38页 |
| ·小波神经网络原理及其优势 | 第38-39页 |
| ·小波神经网络电池 SOC 估计结构与设计 | 第39-42页 |
| ·BP 神经网络的结构及设计 | 第39-40页 |
| ·小波神经网络的结构及设计 | 第40-42页 |
| ·训练样本以及数据处理 | 第42-44页 |
| ·几种模型的网络训练以及仿真 | 第44-46页 |
| ·小波神经网络输出误差分析 | 第46-49页 |
| ·本章小结 | 第49-50页 |
| 第4章 基于自回归小波神经网络 HEV 动力锂电池组 SOC 估计 | 第50-60页 |
| ·自回归小波神经网络层次结构 | 第50-54页 |
| ·对加动量项的自回归小波神经网络收敛性证明 | 第54-55页 |
| ·自回归小波神经网络网络输出的误差分析 | 第55-59页 |
| ·本章小结 | 第59-60页 |
| 第5章 HEV 动力锂电池组均衡充放电电路设计 | 第60-67页 |
| ·HEV 动力锂电池组均衡充放电总体系统结构 | 第60-61页 |
| ·HEV 动力锂电池组监测模块 | 第61-62页 |
| ·HEV 动力锂电池组均衡模块 | 第62-63页 |
| ·HEV 动力锂电池组软件实现模块 | 第63页 |
| ·HEV 动力锂电池组总线模块 | 第63-64页 |
| ·仿真与误差分析 | 第64-66页 |
| ·本章小结 | 第66-67页 |
| 第6章 结论 | 第67-69页 |
| 参考文献 | 第69-73页 |
| 致谢 | 第73-74页 |
| 攻读硕士学位期间的研究成果 | 第74页 |