基于粒子滤波算法的电动汽车剩余电量动态估计研究
| 致谢 | 第1-6页 |
| 中文摘要 | 第6-7页 |
| ABSTRACT | 第7-11页 |
| 1 绪论 | 第11-19页 |
| ·研究背景 | 第11-13页 |
| ·电动汽车发展趋势 | 第11-12页 |
| ·电动汽车分类 | 第12-13页 |
| ·研究意义 | 第13-14页 |
| ·国内外研究现状 | 第14-17页 |
| ·论文内容和研究框架 | 第17-18页 |
| ·本章小结 | 第18-19页 |
| 2 锂离子电池工作原理及性能分析 | 第19-24页 |
| ·基本工作原理 | 第19页 |
| ·主要特点 | 第19-21页 |
| ·性能参数 | 第21-22页 |
| ·电池荷电状态(SOC)的定义 | 第22-23页 |
| ·本章小结 | 第23-24页 |
| 3 电动汽车电池数据实时采集、处理与分析 | 第24-36页 |
| ·数据采集 | 第24-25页 |
| ·数据处理 | 第25-30页 |
| ·原始数据解析 | 第25-26页 |
| ·异常数据处理 | 第26页 |
| ·数据完整性处理 | 第26页 |
| ·充放电数据分类处理 | 第26-27页 |
| ·数据处理步骤及软件算法实现 | 第27-30页 |
| ·数据分析 | 第30-35页 |
| ·电池放电特性 | 第30-32页 |
| ·电池充电特性 | 第32-34页 |
| ·单体电池性能 | 第34-35页 |
| ·本章小结 | 第35-36页 |
| 4 锂离子电池模型 | 第36-48页 |
| ·电池模型概述 | 第36-39页 |
| ·等效电路模型 | 第36-38页 |
| ·神经网络模型 | 第38-39页 |
| ·经验公式模型 | 第39页 |
| ·电池模型建立 | 第39-40页 |
| ·模型参数辨识 | 第40-47页 |
| ·系统辨识基本原理 | 第40-41页 |
| ·最小二乘参数辨识 | 第41-44页 |
| ·辨识结果 | 第44-47页 |
| ·本章小结 | 第47-48页 |
| 5 基于粒子滤波算法的电池SOC估计 | 第48-60页 |
| ·贝叶斯估计 | 第48-49页 |
| ·蒙特卡罗方法 | 第49-50页 |
| ·粒子滤波 | 第50-54页 |
| ·基本原理 | 第50-52页 |
| ·粒子退化 | 第52-53页 |
| ·重采样 | 第53-54页 |
| ·算法设计与实现 | 第54-56页 |
| ·实验结果 | 第56-59页 |
| ·本章小结 | 第59-60页 |
| 6 基于遗传粒子滤波算法的电池SOC估计 | 第60-70页 |
| ·遗传算法 | 第60-63页 |
| ·遗传算法原理 | 第60页 |
| ·遗传算法组成 | 第60-62页 |
| ·遗传算法步骤 | 第62-63页 |
| ·自适应遗传算法 | 第63页 |
| ·遗传粒子滤波算法 | 第63-66页 |
| ·算法设计与实现 | 第65-66页 |
| ·实验结果 | 第66-69页 |
| ·本章小结 | 第69-70页 |
| 7 总结与展望 | 第70-72页 |
| ·本文主要工作 | 第70页 |
| ·本文的创新点 | 第70-71页 |
| ·展望 | 第71-72页 |
| 参考文献 | 第72-75页 |
| 作者简介 | 第75-77页 |
| 学位论文数据集 | 第77页 |
