| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第10-21页 |
| 1.1 研究背景及意义 | 第10-12页 |
| 1.2 电池SOC估计的研究现状及难点 | 第12-19页 |
| 1.2.1 电池SOC估计的研究现状 | 第12-17页 |
| 1.2.2 电池SOC估计的难点分析 | 第17-18页 |
| 1.2.3 基于卡尔曼滤波的电池SOC估计研究现状 | 第18-19页 |
| 1.3 本文主要研究内容和组织结构 | 第19-21页 |
| 第2章 SoC估计及电池模型研究 | 第21-31页 |
| 2.1 SOC的定义 | 第21页 |
| 2.2 电池可用容量的影响因素 | 第21-23页 |
| 2.2.1 放电倍率因素 | 第22页 |
| 2.2.2 环境温度因素 | 第22-23页 |
| 2.2.3 电池老化因素 | 第23页 |
| 2.2.4 自放电率因素 | 第23页 |
| 2.3 电池模型研究 | 第23-28页 |
| 2.3.1 常用电池模型的分析 | 第24-27页 |
| 2.3.2 电动汽车动力电池状态观测复合模型 | 第27-28页 |
| 2.4 电动汽车动力电池SOC估计算法分析 | 第28-30页 |
| 2.5 本章小结 | 第30-31页 |
| 第3章 基于复合模型的卡尔曼滤波算法 | 第31-51页 |
| 3.1 前言 | 第31页 |
| 3.2 动力电池状态观测复合模型的映射近似 | 第31-34页 |
| 3.3 初始荷电状态的确定 | 第34-35页 |
| 3.4 折算库伦效率的确定 | 第35-38页 |
| 3.5 基于复合模型的卡尔曼滤波算法在电池SOC估计中的应用 | 第38-41页 |
| 3.6 仿真分析 | 第41-49页 |
| 3.6.1 仿真模型搭建 | 第41-43页 |
| 3.6.2 仿真参数设置 | 第43-47页 |
| 3.6.3 仿真实验及结果分析 | 第47-49页 |
| 3.7 局限性分析 | 第49-50页 |
| 3.8 本章小结 | 第50-51页 |
| 第4章 基于奇异值分解的卡尔曼滤波算法 | 第51-63页 |
| 4.1 前言 | 第51页 |
| 4.2 动力电池状态观测复合模型的统计线性化 | 第51-53页 |
| 4.3 算法运算量的降低 | 第53-54页 |
| 4.4 数值稳定性的提高 | 第54-55页 |
| 4.5 基于奇异值分解的卡尔曼滤波算法在电池SOC估计中的应用 | 第55-57页 |
| 4.6 算法运算量分析 | 第57-60页 |
| 4.7 仿真分析 | 第60-62页 |
| 4.7.1 仿真模型搭建 | 第60-61页 |
| 4.7.2 仿真参数设置 | 第61页 |
| 4.7.3 仿真实验及结果分析 | 第61-62页 |
| 4.8 本章小结 | 第62-63页 |
| 第5章 基于强跟踪的卡尔曼滤波算法 | 第63-73页 |
| 5.1 前言 | 第63-64页 |
| 5.2 强跟踪滤波原理 | 第64-65页 |
| 5.3 次优渐消因子的确定 | 第65-66页 |
| 5.4 基于强跟踪的卡尔曼滤波算法在电池SOC估计中的应用 | 第66-68页 |
| 5.5 仿真分析 | 第68-72页 |
| 5.5.1 仿真模型搭建 | 第68-70页 |
| 5.5.2 仿真参数设置 | 第70-71页 |
| 5.5.3 仿真实验及结果分析 | 第71-72页 |
| 5.6 本章小结 | 第72-73页 |
| 第6章 结束语 | 第73-75页 |
| 6.1 本文工作总结 | 第73-74页 |
| 6.2 进一步研究建议 | 第74-75页 |
| 参考文献 | 第75-80页 |
| 致谢 | 第80-81页 |
| 攻读学位期间参加的科研项目和成果 | 第81页 |
