| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第1章 绪论 | 第9-21页 |
| 1.1 课题研究背景 | 第9-10页 |
| 1.2 SOC预测研究现状和意义 | 第10-14页 |
| 1.2.1 荷电状态及SOC定义 | 第10-11页 |
| 1.2.2 SOC算法分类 | 第11-13页 |
| 1.2.3 国内外研究现状 | 第13-14页 |
| 1.3 智能算法估算SOC的现状 | 第14-18页 |
| 1.3.1 人工神经网络 | 第14-15页 |
| 1.3.2 遗传算法 | 第15-17页 |
| 1.3.3 免疫系统算法 | 第17-18页 |
| 1.4 本文选题依据 | 第18-19页 |
| 1.5 研究内容与方法 | 第19-21页 |
| 第2章 锂离子电池SOC定义及特性分析 | 第21-32页 |
| 2.1 锂离子电池基本特征 | 第21-23页 |
| 2.2 锂离子电池模型 | 第23-25页 |
| 2.2.1 等效电路的设计 | 第23-24页 |
| 2.2.2 电化学模型 | 第24-25页 |
| 2.3 电池SOC定义及影响因素 | 第25-26页 |
| 2.3.1 SOC常规定义 | 第25页 |
| 2.3.2 电池SOC估算的影响因素 | 第25-26页 |
| 2.4 锂离子电池的特性测试分析 | 第26-30页 |
| 2.5 本章小结 | 第30-32页 |
| 第3章 基于BP神经网络的SOC估算 | 第32-46页 |
| 3.1 引言 | 第32页 |
| 3.2 BP神经网络的构建 | 第32-35页 |
| 3.2.1 BP神经网络模型 | 第32-34页 |
| 3.2.2 BP神经网络算法流程的设计 | 第34-35页 |
| 3.3 单体锂离子电池测试与网络样本数据的获取 | 第35-40页 |
| 3.3.1 18650型动力锂离子电池与检测仪器 | 第35-37页 |
| 3.3.2 网络样本数据采集 | 第37-39页 |
| 3.3.3 网络样本数据的预处理 | 第39-40页 |
| 3.4 BP神经网络的结构设计 | 第40-42页 |
| 3.5 网络估算SOC测试实验 | 第42-43页 |
| 3.6 本章小结 | 第43-46页 |
| 第4章 遗传算法优化BP神经网络估算SOC | 第46-55页 |
| 4.1 引言 | 第46页 |
| 4.2 遗传算法的操作 | 第46-48页 |
| 4.2.1 染色体编码分析与选择 | 第46-47页 |
| 4.2.2 适应度函数的设定 | 第47页 |
| 4.2.3 遗传算法参数的设定 | 第47-48页 |
| 4.3 遗传算法针对BP神经网络优化实验 | 第48-50页 |
| 4.3.1 针对BP神经网络预测误差分析 | 第48-49页 |
| 4.3.2 优化神经网络权值和阈值的流程设计 | 第49-50页 |
| 4.4 遗传算法优化BP神经网络后的测试实验 | 第50-53页 |
| 4.4.1 优化算法的数据结果分析 | 第50-52页 |
| 4.4.2 遗传法算法优化后实验结果 | 第52-53页 |
| 4.5 本章小结 | 第53-55页 |
| 第5章 免疫遗传算法优化神经网络估算SOC | 第55-65页 |
| 5.1 引言 | 第55-56页 |
| 5.2 人工免疫算的操作 | 第56-58页 |
| 5.3 免疫遗传算法设计 | 第58-60页 |
| 5.3.1 免疫遗传算法的流程设计 | 第58-59页 |
| 5.3.2 收敛性分析 | 第59-60页 |
| 5.4 对锂离子电池SOC免疫遗传算法的预测实验 | 第60-61页 |
| 5.4.1 免疫遗传算法流程图的设计 | 第60-61页 |
| 5.4.2 免疫遗传算法在MATLAB的运行 | 第61页 |
| 5.5 组合算法优化后的网络测试实验 | 第61-64页 |
| 5.5.1 优化算法的数据结果分析 | 第61-63页 |
| 5.5.2 免疫遗传算法优化后实验结果与分析 | 第63-64页 |
| 5.6 本章小结 | 第64-65页 |
| 第6章 总结与展望 | 第65-67页 |
| 6.1 总结 | 第65-66页 |
| 6.2 展望 | 第66-67页 |
| 参考文献 | 第67-71页 |
| 致谢 | 第71-72页 |
| 附录A MATLAB部分程序源代码 | 第72-84页 |
| 附录B 个人简历、在校期间发表的学术论文与研究成果 | 第84页 |