基于FPGA和BP神经网络的电动汽车电池管理系统设计
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 电动汽车的发展背景 | 第9-11页 |
| 1.2 电动汽车动力电池 | 第11-12页 |
| 1.3 电池管理系统的发展与现状 | 第12-13页 |
| 1.3.1 电池管理系统概述 | 第12-13页 |
| 1.3.2 电池管理系统发展现状 | 第13页 |
| 1.4 课题的主要研究工作 | 第13-15页 |
| 第二章 系统结构分析及硬件设计 | 第15-29页 |
| 2.1 系统结构分析 | 第15-17页 |
| 2.2 系统硬件设计 | 第17-28页 |
| 2.2.1 硬件设计综述 | 第17页 |
| 2.2.2 控制芯片及最小系统 | 第17-18页 |
| 2.2.3 电源电路设计 | 第18-20页 |
| 2.2.4 时钟与复位电路设计 | 第20-21页 |
| 2.2.5 FPGA配置电路设计 | 第21-23页 |
| 2.2.6 电流采集电路 | 第23-24页 |
| 2.2.7 电压采集电路 | 第24-25页 |
| 2.2.8 温度采集电路 | 第25-26页 |
| 2.2.9 CAN通信电路设计 | 第26-27页 |
| 2.2.10 串口通信电路设计 | 第27-28页 |
| 2.3 本章小结 | 第28-29页 |
| 第三章 电池荷电状态估算 | 第29-48页 |
| 3.1 锂离子电池简介 | 第29-31页 |
| 3.1.1 锂离子电池分类及性能比较 | 第29-31页 |
| 3.1.2 锂离子电池工作原理 | 第31页 |
| 3.2 电池SOC计算及现有方法分析 | 第31-33页 |
| 3.2.1 电池 SOC 概念 | 第31-32页 |
| 3.2.2 常用SOC估算方法 | 第32-33页 |
| 3.3 BP神经网络 | 第33-39页 |
| 3.3.1 人工神经元模型 | 第34-35页 |
| 3.3.2 BP神经网络模型概述 | 第35-36页 |
| 3.3.3 BP算法公式推导 | 第36-39页 |
| 3.4 BP神经网络实现SOC估算 | 第39-47页 |
| 3.4.1 数据预处理 | 第40-41页 |
| 3.4.2 激励函数选择 | 第41-42页 |
| 3.4.3 神经网络模型建立及训练 | 第42-44页 |
| 3.4.4 SOC估计结果分析 | 第44-47页 |
| 3.5 本章小结 | 第47-48页 |
| 第四章 电池健康状况估算研究 | 第48-56页 |
| 4.1 电动汽车电池SOH估算概述 | 第48-49页 |
| 4.2 电压曲线拟合法估算电池SOH | 第49-54页 |
| 4.2.1 电池充放电数据采集 | 第50-52页 |
| 4.2.2 充电电压曲线归一化 | 第52-53页 |
| 4.2.3 基准充电电压曲线的选取 | 第53-54页 |
| 4.2.4 BP神经网络拟合基准曲线 | 第54页 |
| 4.2.5 根据基准曲线计算SOH | 第54页 |
| 4.3 实验验证 | 第54-56页 |
| 第五章 系统软件设计 | 第56-69页 |
| 5.1 BMS软件设计结构和流程 | 第56-57页 |
| 5.2 μC/OS-II移植 | 第57-61页 |
| 5.2.1 μC/OS-II简介 | 第58-59页 |
| 5.2.2 μC/OS-II内核解析 | 第59页 |
| 5.2.3 μC/OS-II的移植与应用 | 第59-61页 |
| 5.3 基于 μC/OS-II的软件设计 | 第61-68页 |
| 5.3.1 系统任务类软件设计 | 第62-63页 |
| 5.3.2 分类任务的软件设计 | 第63-68页 |
| 5.4 本章小结 | 第68-69页 |
| 第六章 总结与展望 | 第69-71页 |
| 6.1 总结 | 第69页 |
| 6.2 展望 | 第69-71页 |
| 参考文献 | 第71-74页 |
| 发表论文和参加科研情况说明 | 第74-75页 |
| 致谢 | 第75-76页 |
