HEV电池组SOC模型参数辨识及其智能预估研究
| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第1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 |
| ·新能源汽车发展现状 | 第11-12页 |
| ·电池管理系统研究现状 | 第12-14页 |
| ·电池管理系统的应具备的功能及发展趋势 | 第14-15页 |
| ·论文结构和内容 | 第15-17页 |
| ·论文结构 | 第15页 |
| ·研究内容 | 第15-17页 |
| 第2章 混合动力车用电池工作特性分析 | 第17-27页 |
| ·混合动力车用电池的性能指标 | 第17-19页 |
| ·混合动力车用电池所要满足的要求 | 第19-20页 |
| ·常见的车用动力电池 | 第20-21页 |
| ·镍氢电池的工作原理 | 第21-23页 |
| ·镍氢电池的充放电特性 | 第23-25页 |
| ·镍氢电池在电动车中的应用及发展方向 | 第25-26页 |
| ·镍氢电池的应用情况 | 第25-26页 |
| ·镍氢动力电池的发展方向 | 第26页 |
| ·本章小结 | 第26-27页 |
| 第3章 镍氢动力电池模型参数辨识 | 第27-37页 |
| ·常用的电池模型 | 第27-28页 |
| ·PNGV 电池模型建立 | 第28-36页 |
| ·PNGV 模型简介 | 第28-30页 |
| ·PNGV 模型参数辨识 | 第30-33页 |
| ·Simulink 模型建立 | 第33-34页 |
| ·模型的验证 | 第34-36页 |
| ·本章小结 | 第36-37页 |
| 第4章 电池管理系统 SOC 的预测算法分析 | 第37-47页 |
| ·电池 SOC 概念 | 第37-38页 |
| ·电池 SOC 估算的意义及难点 | 第38页 |
| ·影响电池 SOC 的因素 | 第38-40页 |
| ·充放电倍率因素 | 第38-39页 |
| ·温度因素 | 第39页 |
| ·自放电因素 | 第39页 |
| ·老化因素 | 第39页 |
| ·电池单体间的不均衡性因素 | 第39-40页 |
| ·电池 SOC 估算的研究方法 | 第40-44页 |
| ·安时积分法 | 第40-41页 |
| ·内阻法 | 第41页 |
| ·开路电压法 | 第41-42页 |
| ·零负载法 | 第42页 |
| ·线性模型法 | 第42页 |
| ·卡尔曼滤波法 | 第42-43页 |
| ·人工智能法 | 第43-44页 |
| ·径向基神经网络模型的建立 | 第44-45页 |
| ·径向基神经网络概述 | 第44页 |
| ·径向基神经网络结构 | 第44页 |
| ·径向基神经网络的学习算法 | 第44-45页 |
| ·本章小结 | 第45-47页 |
| 第5章 电池 SOC 的最小二乘支持向量机估算 | 第47-59页 |
| ·支持向量机概述 | 第47页 |
| ·支持向量机的研究现状 | 第47-48页 |
| ·支持向量机的理论与方法 | 第48-49页 |
| ·支持向量机的基本原理 | 第48页 |
| ·支持向量机的回归理论 | 第48-49页 |
| ·最小二乘支持向量机理论 | 第49-51页 |
| ·遗传算法在支持向量机中的应用 | 第51-54页 |
| ·遗传算法的基本原理 | 第51页 |
| ·遗传算法的基本参数 | 第51-52页 |
| ·遗传算法的基本操作 | 第52-53页 |
| ·对最小二乘支持向量机参数的优化 | 第53-54页 |
| ·混合动力电池荷电状态估算算法 | 第54-58页 |
| ·试验数据及数据预处理 | 第55-57页 |
| ·LS-SVM 预测模型的建立及验证 | 第57-58页 |
| ·本章小结 | 第58-59页 |
| 结论与展望 | 第59-60页 |
| 参考文献 | 第60-65页 |
| 附录 A 攻读学位期间发表的论文及参与课题 | 第65-66页 |
| 致谢 | 第66页 |
