基于自适应扩展卡尔曼滤波电池组SOC估计
| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第一章 绪论 | 第10-26页 |
| 1.1 选题背景与意义 | 第10-13页 |
| 1.2 动力电池发展现状 | 第13-24页 |
| 1.2.1 电池的发展历程 | 第13-15页 |
| 1.2.2 电池的特点及发展现状 | 第15-21页 |
| 1.2.3 电池建模的研究现状 | 第21-22页 |
| 1.2.4 电池SOC估计现状 | 第22-24页 |
| 1.3 本论文研究的主要内容 | 第24-26页 |
| 第二章 锂离子电池模型及参数辨识 | 第26-40页 |
| 2.1 锂离子电池模型 | 第26-33页 |
| 2.1.1 电化学模型 | 第26-27页 |
| 2.1.2 神经网络模型 | 第27-28页 |
| 2.1.3 电路模型 | 第28-29页 |
| 2.1.4 模型解析 | 第29-33页 |
| 2.2 锂离子电池参数辨识 | 第33-37页 |
| 2.2.1 遗传算法介绍 | 第33-35页 |
| 2.2.2 系统辨识 | 第35-36页 |
| 2.2.3 电池参数辨识 | 第36-37页 |
| 2.3 锂离子电池参数辨识结果验证 | 第37-38页 |
| 2.4 小结 | 第38-40页 |
| 第三章 基于AEKF的电池SOC估计算法 | 第40-61页 |
| 3.1 引言 | 第40页 |
| 3.2 卡尔曼滤波的基本原理 | 第40-45页 |
| 3.3 基于AEKF的SOC估计算法 | 第45-51页 |
| 3.3.1 自适应扩展卡尔曼滤波应用 | 第45-46页 |
| 3.3.2 自适应卡尔曼滤波的软件实现 | 第46-47页 |
| 3.3.3 动力电池单体SOC测试介绍 | 第47-51页 |
| 3.4 电池SOC估计验证 | 第51-59页 |
| 3.4.1 算法一致性分析 | 第51-52页 |
| 3.4.2 算法收敛性分析 | 第52-54页 |
| 3.4.3 电池衰退估计 | 第54-59页 |
| 3.5 本章小结 | 第59-61页 |
| 第四章 电池组SOC估计 | 第61-73页 |
| 4.1 前言 | 第61-62页 |
| 4.2 电池组SOC估计算法 | 第62-65页 |
| 4.3 电池组SOC估计算法验证 | 第65-72页 |
| 4.3.1 不同条件下电池组SOC算法测试 | 第65-71页 |
| 4.3.2 算法稳定性测试 | 第71-72页 |
| 4.4 本章小结 | 第72-73页 |
| 第五章 实车测试 | 第73-77页 |
| 5.1 引言 | 第73-74页 |
| 5.2 测试平台简介 | 第74-75页 |
| 5.3 测试结果及分析 | 第75-76页 |
| 5.4 本章小结 | 第76-77页 |
| 第六章 总结与展望 | 第77-79页 |
| 6.1 论文工作总结 | 第77页 |
| 6.2 展望 | 第77-79页 |
| 致谢 | 第79-80页 |
| 参考文献 | 第80-87页 |
| 附录 攻读硕士学位期间参与项目及发表论文 | 第87页 |
