双能量源纯电动汽车能量管理关键技术的研究
| 附件 | 第4-5页 |
| 摘要 | 第5-7页 |
| Abstract | 第7-9页 |
| 目录 | 第10-14页 |
| 第1章 绪论 | 第14-26页 |
| 1.1 论文选题背景与研究意义 | 第14-15页 |
| 1.2 电动汽车国内外发展现状 | 第15-20页 |
| 1.2.1 国内电动汽车发展现状 | 第15-17页 |
| 1.2.2 国外电动汽车发展现状 | 第17-20页 |
| 1.3 电动汽车能量关键技术研究现状 | 第20-25页 |
| 1.3.1 能量分配系统 | 第21-22页 |
| 1.3.2 续驶里程 | 第22-24页 |
| 1.3.3 DC/DC变换器 | 第24-25页 |
| 1.4 研究内容 | 第25-26页 |
| 第2章 双能量源纯电动汽车能量系统 | 第26-34页 |
| 2.1 双能量源纯电动汽车仿真方法 | 第26-27页 |
| 2.2 双能量源纯电动汽车动力性能 | 第27-29页 |
| 2.3 双能量源纯电动汽车能量分析 | 第29-30页 |
| 2.4 电动汽车典型工况分析 | 第30-33页 |
| 2.5 本章小结 | 第33-34页 |
| 第3章 双能量源纯电动汽车建模研究 | 第34-64页 |
| 3.1 双能量源纯电动汽车动力学模型 | 第34页 |
| 3.2 双能量源纯电动汽车能量存储系统模型 | 第34-52页 |
| 3.2.1 铅酸电池的工作原理和特点 | 第35-36页 |
| 3.2.2 铅酸电池的理论模型 | 第36-37页 |
| 3.2.3 铅酸电池充放电实验 | 第37-42页 |
| 3.2.4 建立铅酸电池模型 | 第42-45页 |
| 3.2.5 超级电容的工作原理和特点 | 第45-46页 |
| 3.2.6 超级电容的理论模型 | 第46页 |
| 3.2.7 超级电容充放电实验 | 第46-50页 |
| 3.2.8 建立超级电容模型 | 第50-52页 |
| 3.3 DC/DC变换器模型 | 第52-60页 |
| 3.3.1 超级电容在电动汽车中应用的拓扑结构 | 第52页 |
| 3.3.2 双向DC/DC变换器工作原理 | 第52-54页 |
| 3.3.3 电路参数的设计 | 第54-55页 |
| 3.3.4 DC/DC变换器的控制策略 | 第55-57页 |
| 3.3.5 建立DC/DC变换器仿真模型 | 第57-60页 |
| 3.4 电机模型 | 第60-63页 |
| 3.4.1 电压平衡方程 | 第60-61页 |
| 3.4.2 电枢绕组感应电动势 | 第61页 |
| 3.4.3 电磁转矩 | 第61-62页 |
| 3.4.4 转矩平衡方程 | 第62页 |
| 3.4.5 建立力矩电机模型 | 第62-63页 |
| 3.5 本章小结 | 第63-64页 |
| 第4章 双能量源纯电动汽车能量分配策略分析 | 第64-88页 |
| 4.1 双能量源控制系统特性 | 第64-65页 |
| 4.1.1 双能量源控制系统结构 | 第64-65页 |
| 4.1.2 双能量源纯电动汽车工作模式 | 第65页 |
| 4.2 双能量源纯电动汽车能量控制系统建模 | 第65-66页 |
| 4.3 双能量源纯电动汽车控制策略 | 第66-80页 |
| 4.3.1 模糊控制策略 | 第66-75页 |
| 4.3.1.1 模糊控制器组成 | 第66-70页 |
| 4.3.1.2 模糊控制器结构 | 第70页 |
| 4.3.1.3 模糊控制策略的制定 | 第70-71页 |
| 4.3.1.4 双能量源模糊控制器设计 | 第71-75页 |
| 4.3.2 模糊PI控制 | 第75-80页 |
| 4.3.2.1 模糊PI控制器结构 | 第76-77页 |
| 4.3.2.2 自适应模糊PI控制基本原理 | 第77-78页 |
| 4.3.2.3 自适应模糊PI控制器的设计 | 第78-79页 |
| 4.3.2.4 建立自适应模糊PI控制器仿真模型 | 第79-80页 |
| 4.4 双能量源纯电动汽车能量分配策略仿真 | 第80-87页 |
| 4.4.1 单能量源与双能量源模糊控制仿真 | 第80-82页 |
| 4.4.2 双能量源存储系统能量分配策略仿真 | 第82-87页 |
| 4.5 本章小结 | 第87-88页 |
| 第5章 双能量源纯电动汽车续驶里程预测 | 第88-112页 |
| 5.1 电动汽车续驶里程影响因素 | 第88-89页 |
| 5.2 续驶里程的计算 | 第89页 |
| 5.3 基于BP神经网络续驶里程预测 | 第89-100页 |
| 5.3.1 神经网络模型 | 第89-90页 |
| 5.3.2 BP神经网络算法的原理及步骤 | 第90-95页 |
| 5.3.3 基于BP神经网络的续驶里程预测 | 第95-100页 |
| 5.4 基于PSO支持向量机的续驶里程预测 | 第100-110页 |
| 5.4.1 支持向量回归机基本原理 | 第100-103页 |
| 5.4.2 粒子群优化算法 | 第103-106页 |
| 5.4.3 基于PSO—SVM算法的续驶里程预测 | 第106-110页 |
| 5.5 本章小结 | 第110-112页 |
| 第6章 总结与展望 | 第112-116页 |
| 6.1 总结 | 第112-114页 |
| 6.2 展望 | 第114-116页 |
| 参考文献 | 第116-128页 |
| 作者简介及在学期间所取得的科研成果 | 第128-130页 |
| 致谢 | 第130页 |
