| 第一章 绪论 | 第1-14页 |
| 1．1 电动车简介 | 第7-10页 |
| 1．1．1 电动汽车的发展概况 | 第7-8页 |
| 1．1．2 现状及国内外发展趋势 | 第8-10页 |
| 1．2 课题的背景、意义及研究内容 | 第10-14页 |
| 1．2．1 课题的背景及意义 | 第10-12页 |
| 1．2．2 课题的研究内容 | 第12-14页 |
| 第二章 铅酸蓄电池剩余容量预测相关概念及方法研究 | 第14-31页 |
| 2．1 铅酸电池的基本工作原理 | 第14-15页 |
| 2．1．1 成流反应 | 第14-15页 |
| 2．1．2 反应历程 | 第15页 |
| 2．2 铅酸蓄电池的基本电特性 | 第15-22页 |
| 2．2．1 蓄电池的电动势和开路电压 | 第15-18页 |
| 2．2．2 工作电压 | 第18-20页 |
| 2．2．3 蓄电池的容量 | 第20页 |
| 2．2．4 蓄电池内阻 | 第20-21页 |
| 2．2．5 蓄电池的使用期限 | 第21-22页 |
| 2．3 影响充电状态和剩余容量的因素 | 第22-23页 |
| 2．3．1 铅酸蓄电池充电状态和剩余容量的概念 | 第22页 |
| 2．3．2 影响剩余容量的因素 | 第22-23页 |
| 2．4 剩余容量估计的方法研究 | 第23-31页 |
| 2．4．1 剩余容量估计的意义和难点 | 第24-25页 |
| 2．4．2 常用方法介绍 | 第25-27页 |
| 2．4．3 国内外能量管理系统中采用的方案及进展 | 第27-29页 |
| 2．4．4 本课题采用的方法 | 第29-31页 |
| 第三章 神经网络与模糊控制系统基本理论 | 第31-46页 |
| 3．1 神经网络基本理论 | 第31-38页 |
| 3．1．1 人工神经元模型 | 第31-33页 |
| 3．1．2 人工神经网络模型 | 第33-36页 |
| 3．1．3 神经网络的学习和训练 | 第36-38页 |
| 3．2 模糊控制基本理论 | 第38-43页 |
| 3．2．1 模糊数学基础 | 第38-41页 |
| 3．2．2 模糊控制的基本原理 | 第41-43页 |
| 3．3 模糊神经网络 | 第43-46页 |
| 3．3．1 神经网络与模糊逻辑的结合形式 | 第43-44页 |
| 3．3．2 神经网络实现的模糊控制 | 第44-46页 |
| 第四章 基于自校正模糊控制的蓄电池剩余容量检测方法 | 第46-64页 |
| 4．1 剩余容量估计的方法 | 第46-49页 |
| 4．1．1 蓄电池性能测试装置 | 第46-47页 |
| 4．1．2 检测方法概述 | 第47-49页 |
| 4．2 模糊神经网络结构及学习算法 | 第49-60页 |
| 4．2．1 模糊神经网络结构 | 第49-50页 |
| 4．2．2 糊神经网络中节点的结构 | 第50-51页 |
| 4．2．3 模糊神经网络每一层节点的函数 | 第51-53页 |
| 4．2．4 混合学习算法 | 第53-60页 |
| 4．3 模糊控制器的建立及仿真结果分析 | 第60-64页 |
| 4．3．1 网络初始化 | 第60-61页 |
| 4．3．2 控制规则的产生及参数优化 | 第61-64页 |
| 第五章 电池剩余容量监测系统的设计与实现 | 第64-80页 |
| 5．1 电池能量管理系统总体方案设计 | 第64-65页 |
| 5．2 剩余容量监测系统硬件设计与实现 | 第65-68页 |
| 5．2．1 电池检测芯片DS2438简介 | 第65-66页 |
| 5．2．2 下位机检测系统结构 | 第66-67页 |
| 5．2．3 剩余容量检测系统整体结构 | 第67-68页 |
| 5．3 剩余容量监测系统软件设计与实现 | 第68-80页 |
| 5．3．1 概述 | 第68页 |
| 5．3．2 面向对象技术的原理与应用 | 第68-69页 |
| 5．3．3 剩余容量监测系统中面向对象的应用构架 | 第69-72页 |
| 5．3．4 系统详细设计 | 第72-80页 |
| 第六章 系统改进设想 | 第80-82页 |
| 6．1 现行系统功能的改进 | 第80页 |
| 6．2 研究方向 | 第80-82页 |
| 参考文献 | 第82-85页 |
| 致谢 | 第85-86页 |
| 攻读硕士学位期间所发表的论文及研究成果 | 第86页 |