锂离子电池荷电状态估计与寿命预测技术研究
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-8页 |
| 目录 | 第8-10页 |
| 第一章 绪论 | 第10-17页 |
| ·研究背景及意义 | 第10-11页 |
| ·国内外研究现状 | 第11-14页 |
| ·锂离子电池及其管理系统 | 第11-13页 |
| ·锂离子电池荷电状态估计 | 第13页 |
| ·锂离子电池剩余寿命预测 | 第13-14页 |
| ·本文的主要内容及组织结构 | 第14-17页 |
| 第二章 锂离子电池特性研究 | 第17-22页 |
| ·锂离子电池结构 | 第17-18页 |
| ·锂离子电池原理 | 第18-19页 |
| ·锂离子电池的性能指标 | 第19-21页 |
| ·锂离子电池的特点 | 第21页 |
| ·本章小结 | 第21-22页 |
| 第三章 锂离子电池荷电状态估计 | 第22-39页 |
| ·锂离子电池荷电状态 | 第22-25页 |
| ·荷电状态定义及影响因素 | 第22-23页 |
| ·常用荷电状态估计方法 | 第23-25页 |
| ·基于人工神经网络的荷电状态估计 | 第25-38页 |
| ·人工神经网络 | 第25-27页 |
| ·误差反向传播网络 | 第27-30页 |
| ·获得样本数据 | 第30-33页 |
| ·建立神经网络 | 第33-35页 |
| ·神经网络测试及估计结果 | 第35-38页 |
| ·本章小结 | 第38-39页 |
| 第四章 锂离子电池寿命预测 | 第39-62页 |
| ·电池寿命预测基本原理 | 第39-40页 |
| ·电池寿命试验 | 第40-41页 |
| ·寿命预测方法比较 | 第41-48页 |
| ·粒子滤波 | 第42-44页 |
| ·支持向量机 | 第44-46页 |
| ·自回归滑动平均模型 | 第46-48页 |
| ·预测结果比较 | 第48页 |
| ·粒子群优化的自回归模型 | 第48-60页 |
| ·自回归模型 | 第49-50页 |
| ·粒子群算法 | 第50-51页 |
| ·粒子群优化的自回归模型 | 第51-55页 |
| ·预测结果 | 第55-60页 |
| ·本章小结 | 第60-62页 |
| 第五章 锂离子电池监测系统设计 | 第62-74页 |
| ·监测系统设计需求 | 第62-63页 |
| ·信号采集电路设计 | 第63-67页 |
| ·电压采集 | 第63-65页 |
| ·电流采集 | 第65-66页 |
| ·数据采集卡 | 第66-67页 |
| ·上位机软件开发 | 第67-73页 |
| ·监测显示 | 第68页 |
| ·数据存储 | 第68页 |
| ·异常预警 | 第68-70页 |
| ·荷电状态估计 | 第70-72页 |
| ·寿命预测 | 第72-73页 |
| ·本章小结 | 第73-74页 |
| 第六章 总结与展望 | 第74-76页 |
| ·本文的主要贡献 | 第74-75页 |
| ·下一步工作展望 | 第75-76页 |
| 致谢 | 第76-77页 |
| 参考文献 | 第77-80页 |
| 攻硕期间取得的研究成果 | 第80-81页 |
