| 摘要 | 第6-7页 |
| 英文摘要 | 第7-8页 |
| 第1章 绪论 | 第11-19页 |
| 1.1 引言 | 第11-12页 |
| 1.2 课题来源 | 第12页 |
| 1.3 课题研究意义 | 第12-13页 |
| 1.4 锂电池管理系统的研究现状 | 第13-17页 |
| 1.4.1 锂电池模型研究现状 | 第14-16页 |
| 1.4.2 SOC估算研究现状 | 第16-17页 |
| 1.5 研究内容与结构 | 第17-19页 |
| 第2章 磷酸铁锂电池性能测试 | 第19-30页 |
| 2.1 电池型号选择 | 第19-20页 |
| 2.2 SOC定义 | 第20-21页 |
| 2.3 基于Labview的数据采集与分析 | 第21-23页 |
| 2.4 电池标准充放电曲线 | 第23-24页 |
| 2.5 电池容量与倍率特性 | 第24-25页 |
| 2.6 温度对电池性能影响 | 第25-26页 |
| 2.7 电池SOC与OCV关系曲线 | 第26-29页 |
| 2.8 本章小结 | 第29-30页 |
| 第3章 磷酸铁锂电池等效电路模型 | 第30-46页 |
| 3.1 电池等效电路模型简介 | 第30-33页 |
| 3.2 RC模型 | 第33-35页 |
| 3.3 一阶RC模型参数辨识 | 第35-41页 |
| 3.4 二阶RC模型以及参数辨识 | 第41-42页 |
| 3.5 模型验证 | 第42-44页 |
| 3.5.1 恒流放电 | 第43-44页 |
| 3.5.2 HPPC TEST放电 | 第44页 |
| 3.6 本章小结 | 第44-46页 |
| 第4章 基于扩展卡尔曼滤波算法的SOC估计 | 第46-58页 |
| 4.1 SOC估计方法选择 | 第46-48页 |
| 4.2 卡尔曼滤波算法 | 第48-53页 |
| 4.2.1 卡尔曼滤波算法简介 | 第48-50页 |
| 4.2.2 基于EKF的二阶RC模型状态空间方程 | 第50-51页 |
| 4.2.3 EKF的初值确定 | 第51-53页 |
| 4.3 EKF算法的实验验证 | 第53-57页 |
| 4.3.1 恒流放电SOC估计及结果分析 | 第54-56页 |
| 4.3.2 SOC初值错误下算法收敛性试验与结果分析 | 第56-57页 |
| 4.4 本章小结 | 第57-58页 |
| 第5章 基于信息融合的噪声补偿扩展卡尔曼滤波算法 | 第58-71页 |
| 5.1 电池SOC估计不准确性原因分析 | 第58-60页 |
| 5.1.1 状态数学模型不准确问题 | 第58-60页 |
| 5.1.2 噪声估计模型不准确问题 | 第60页 |
| 5.2 噪声补偿算法 | 第60-64页 |
| 5.2.1 扩展卡尔曼滤波算法分析 | 第60-61页 |
| 5.2.2 算法设计 | 第61-64页 |
| 5.3 基于Matlab/Simulink仿真模型 | 第64-65页 |
| 5.4 基于Matlab/Simulink仿真结果及分析 | 第65-69页 |
| 5.5 本章小结 | 第69-71页 |
| 第6章 基于多模型的自适应卡尔曼滤波算法 | 第71-90页 |
| 6.1 自适应滤波算法简介 | 第71-72页 |
| 6.2 自适应卡尔曼滤波算法设计 | 第72-84页 |
| 6.2.1 自适应卡尔曼滤波简介 | 第72-75页 |
| 6.2.2 基于Matlab/Simulink仿真结果 | 第75-82页 |
| 6.2.3 结果分析 | 第82-84页 |
| 6.3 基于多模型的自适应卡尔曼滤波算法 | 第84-88页 |
| 6.3.1 多模型自适应卡尔曼滤波简介 | 第84-85页 |
| 6.3.2 多模型自适应卡尔曼滤波设计 | 第85-88页 |
| 6.4 本章小结 | 第88-90页 |
| 结论与展望 | 第90-92页 |
| 致谢 | 第92-93页 |
| 参考文献 | 第93-97页 |
| 附录 | 第97页 |
