| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 1 绪论 | 第10-19页 |
| ·电动汽车的发展 | 第10-11页 |
| ·动力电池的发展 | 第11-13页 |
| ·电池分析与管理技术的发展 | 第13-15页 |
| ·行动力管理系统的发展 | 第15-17页 |
| ·智能计算的发展 | 第17-18页 |
| ·本文研究内容 | 第18-19页 |
| 2 电动汽车行动力信息监测系统的开发 | 第19-34页 |
| ·行动力信息监测系统的总体结构 | 第19-20页 |
| ·电池电压的监测 | 第20-24页 |
| ·电压监测的精度问题 | 第20-21页 |
| ·电压采集方式 | 第21-24页 |
| ·电压监测的隔离问题 | 第24页 |
| ·电池电流的监测 | 第24-26页 |
| ·电流监测的精度问题 | 第24页 |
| ·基于霍尔传感器的电流监测 | 第24-26页 |
| ·温度的监测 | 第26-27页 |
| ·温度监测的精度问题 | 第26页 |
| ·测温方式 | 第26-27页 |
| ·远程监测系统试验平台 | 第27-33页 |
| ·基于 NI cRIO 的试验平台 | 第27-30页 |
| ·基于 CAN 总线的试验平台 | 第30-31页 |
| ·试验数据与分析 | 第31-33页 |
| ·本章小结 | 第33-34页 |
| 3 基于神经网络与扩展 Kalman 滤波的电池 SoC 估算 | 第34-51页 |
| ·常用 SoC 估算方法 | 第34-35页 |
| ·开路电压法 | 第34页 |
| ·电荷累积法 | 第34-35页 |
| ·阻抗法 | 第35页 |
| ·本文使用的 SoC 估算方法 | 第35页 |
| ·动力电池的建模 | 第35-37页 |
| ·电池的等效电阻特性 | 第36页 |
| ·电池的回弹电压特性 | 第36-37页 |
| ·卡尔曼滤波算法估算 SoC | 第37-41页 |
| ·卡尔曼滤波器与扩展卡尔曼滤波器算法 | 第38页 |
| ·卡尔曼滤波估算 SoC 的优点 | 第38-39页 |
| ·主要变量的选定 | 第39-40页 |
| ·确定状态方程和量测方程 | 第40-41页 |
| ·神经网络辨识非线性关系 | 第41-47页 |
| ·径向基函数网络 | 第41-44页 |
| ·辨识非线性关系的具体过程 | 第44页 |
| ·试验结果 | 第44-47页 |
| ·EKF 估算 SoC 具体步骤 | 第47-50页 |
| ·运算过程 | 第47-48页 |
| ·EKF 初值的选择 | 第48-49页 |
| ·试验结果与分析 | 第49-50页 |
| ·本章小结 | 第50-51页 |
| 4 基于蚁群算法的行驶路径优化 | 第51-72页 |
| ·基本蚁群算法的原理 | 第51-56页 |
| ·蚁群行为描述 | 第51-52页 |
| ·蚁群算法的机制 | 第52-53页 |
| ·蚁群算法的特征 | 第53页 |
| ·TSP 的基本模型 | 第53-54页 |
| ·基本蚁群算法的计算步骤 | 第54-56页 |
| ·求解最优行驶路径与充电方案 | 第56-64页 |
| ·行驶路径优化问题的数学模型 | 第56页 |
| ·充电方案优化问题的数学模型 | 第56-57页 |
| ·基本优化过程的设计 | 第57-58页 |
| ·蚁群算法的求解过程 | 第58-60页 |
| ·试验及其结果 | 第60-64页 |
| ·行驶路径的多目标优化 | 第64-71页 |
| ·多目标优化问题的描述 | 第65-66页 |
| ·行驶路径多目标优化问题的数学模型 | 第66页 |
| ·基本蚁群算法求解多目标优化 | 第66-68页 |
| ·蚁群算法的改进 | 第68-69页 |
| ·多目标优化试验及结果 | 第69-71页 |
| ·本章小结 | 第71-72页 |
| 5 总结与展望 | 第72-74页 |
| ·总结 | 第72-73页 |
| ·展望 | 第73-74页 |
| 参考文献 | 第74-78页 |
| 致谢 | 第78-79页 |
| 攻读硕士期间已发表或录用的论文 | 第79页 |