基于人工免疫粒子滤波的纯电动汽车锂电池SOC估计研究
| 致谢 | 第1-6页 |
| 中文摘要 | 第6-7页 |
| ABSTRACT | 第7-9页 |
| 目录 | 第9-12页 |
| 1 绪论 | 第12-17页 |
| ·研究背景 | 第12-13页 |
| ·电动汽车发展背景 | 第12页 |
| ·国内外电动汽车发展趋势 | 第12-13页 |
| ·SOC定义 | 第13-14页 |
| ·国内外研究现状 | 第14页 |
| ·研究意义 | 第14页 |
| ·论文内容及研究框架 | 第14-16页 |
| ·本章小结 | 第16-17页 |
| 2 锂离子电池 | 第17-23页 |
| ·动力电池种类 | 第17页 |
| ·电池相关术语 | 第17-19页 |
| ·锂离子电池的工作原理 | 第19-21页 |
| ·锂离子电池的主要特征 | 第21-22页 |
| ·影响锂离子电池SOC的因素 | 第22页 |
| ·本章总结 | 第22-23页 |
| 3 锂离子电池模型 | 第23-41页 |
| ·电池模型 | 第23-27页 |
| ·等效电路模型 | 第23-25页 |
| ·神经网络模型 | 第25-26页 |
| ·经验公式模型 | 第26-27页 |
| ·锂离子电池模型的建立 | 第27-33页 |
| ·数据来源 | 第27页 |
| ·数据采集与处理 | 第27-29页 |
| ·数据分析 | 第29-32页 |
| ·电池模型的确立 | 第32-33页 |
| ·模型参数辨识 | 第33-40页 |
| ·系统辨识的原理 | 第33-34页 |
| ·最小二乘法参数辨识 | 第34-36页 |
| ·模型参数辨识的步骤 | 第36-38页 |
| ·实验结果 | 第38-40页 |
| ·本章小结 | 第40-41页 |
| 4 电动汽车电池SOC估计 | 第41-60页 |
| ·SOC估计方法现状 | 第41-43页 |
| ·放电实验法 | 第41页 |
| ·安时计量法 | 第41-42页 |
| ·开路电压法 | 第42页 |
| ·线性模型法 | 第42页 |
| ·模糊控制和神经网络法 | 第42-43页 |
| ·卡尔曼滤波法 | 第43页 |
| ·粒子滤波 | 第43-50页 |
| ·贝叶斯估计 | 第44-45页 |
| ·蒙特卡罗方法 | 第45-46页 |
| ·粒子滤波的原理 | 第46-49页 |
| ·粒子滤波预测SOC步骤 | 第49-50页 |
| ·实验效果 | 第50-59页 |
| ·充电过程SOC估计实验 | 第51-55页 |
| ·放电过程SOC估计实验 | 第55-57页 |
| ·统计实验 | 第57-59页 |
| ·本章总结 | 第59-60页 |
| 5 基于人工免疫优化的粒子滤波算法 | 第60-71页 |
| ·人工免疫算法 | 第60-63页 |
| ·免疫算法中基本概念 | 第60页 |
| ·基本过程 | 第60-62页 |
| ·免疫算法计算模型 | 第62页 |
| ·人工免疫算法流程 | 第62-63页 |
| ·人工免疫粒子滤波算法 | 第63-66页 |
| ·人工免疫算法相关公式 | 第63-64页 |
| ·人工免疫粒子滤波算法流程 | 第64-66页 |
| ·实验效果 | 第66-69页 |
| ·对比试验 | 第66-68页 |
| ·统计实验 | 第68-69页 |
| ·本章总结 | 第69-71页 |
| 6 总结与展望 | 第71-73页 |
| ·工作总结 | 第71-72页 |
| ·论文的创新点 | 第72页 |
| ·展望 | 第72-73页 |
| 参考文献 | 第73-76页 |
| 作者简介 | 第76-78页 |
| 学位论文数据集 | 第78页 |
