基于无迹卡尔曼滤波算法的动力电池剩余电量估算
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第8-15页 |
| 1.1 电动汽车的发展概况 | 第8-9页 |
| 1.2 动力电池的研发概况 | 第9-12页 |
| 1.3 锂电池剩余电量(SoC)估算方法研究现状 | 第12-13页 |
| 1.4 研究目的、对象与内容 | 第13-15页 |
| 第二章 动力锂电池的工作原理及SoC估算方法 | 第15-25页 |
| 2.1 动力锂电池的工作原理 | 第15-17页 |
| 2.2 剩余电量与SoC的定义 | 第17-18页 |
| 2.2.1 广义的剩余电量与狭义的剩余电量 | 第17-18页 |
| 2.2.2 SoC的定义 | 第18页 |
| 2.3 SoC常用估算方法 | 第18-22页 |
| 2.3.1 开路电压法 | 第18-19页 |
| 2.3.2 安时积分法 | 第19-20页 |
| 2.3.3 神经网络法 | 第20-21页 |
| 2.3.4 卡尔曼滤波法 | 第21-22页 |
| 2.4 剩余电量评估的困难 | 第22-23页 |
| 2.4.1 电池状态监测不准确造成的困难 | 第22-23页 |
| 2.4.2 电池的不一致性造成的困难 | 第23页 |
| 2.4.3 对电池使用历史的不明确造成困难 | 第23页 |
| 2.5 本文采用的剩余电量(SoC)估算方法 | 第23-24页 |
| 2.6 本章小结 | 第24-25页 |
| 第三章 动力电池的建模与仿真 | 第25-41页 |
| 3.1 面向电池管理系统的动力电池建模 | 第25页 |
| 3.1.1 电池建模的意义 | 第25页 |
| 3.1.2 电池模型的要求 | 第25页 |
| 3.2 电池建模的主要影响因素 | 第25-27页 |
| 3.2.1 电池温度的影响 | 第25-27页 |
| 3.2.2 充放电倍率因素 | 第27页 |
| 3.2.3 循环次数的影响 | 第27页 |
| 3.3 等效电路模型 | 第27-37页 |
| 3.3.1 本文选择的电池模型 | 第29-30页 |
| 3.3.2 HPPC实验与模型参数辨识 | 第30-37页 |
| 3.4 模型验证 | 第37-40页 |
| 3.5 本章小结 | 第40-41页 |
| 第四章 遗忘因子递推最小二乘法的参数辨识 | 第41-48页 |
| 4.1 遗忘因子递推最小二乘法辨识 | 第41-44页 |
| 4.1.1 最小二乘法辨识原理 | 第41-43页 |
| 4.1.2 遗忘因子递推最小二乘法辨识 | 第43-44页 |
| 4.2 电池模型的最小二乘形式 | 第44-45页 |
| 4.3 模型参数辨识及结果 | 第45-47页 |
| 4.3.1 遗忘因子递推最小二乘法辨识参数步骤 | 第45-46页 |
| 4.3.2 辨识结果及分析 | 第46-47页 |
| 4.4 本章小结 | 第47-48页 |
| 第五章 无迹卡尔曼滤波SoC估算算法 | 第48-59页 |
| 5.1 UKF算法概述 | 第48-54页 |
| 5.1.1 卡尔曼滤波算法与UT变换 | 第48-51页 |
| 5.1.2 UKF算法流程 | 第51-53页 |
| 5.1.3 噪声的自适应匹配 | 第53-54页 |
| 5.2 基于UKF算法的剩余电量SoC估算 | 第54-55页 |
| 5.3 基于UKF算法的仿真模型 | 第55页 |
| 5.4 SoC仿真结果验证 | 第55-58页 |
| 5.5 本章小结 | 第58-59页 |
| 第六章 总结与展望 | 第59-61页 |
| 6.1 本文总结 | 第59页 |
| 6.2 展望 | 第59-61页 |
| 参考文献 | 第61-64页 |
| 攻读学位期间取得的研究成果 | 第64-65页 |
| 致谢 | 第65页 |
