| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第14-25页 |
| 1.1 选题背景及研究意义 | 第14-15页 |
| 1.2 动力电池特性指标及其意义 | 第15-17页 |
| 1.2.1 电池荷电状态SOC | 第16-17页 |
| 1.2.2 电池寿命SOH | 第17页 |
| 1.3 国内外研究现状 | 第17-22页 |
| 1.3.1 国内研究现状 | 第17-19页 |
| 1.3.2 国外研究现状 | 第19-22页 |
| 1.4 本文研究内容 | 第22-25页 |
| 1.4.1 论文来源 | 第22-23页 |
| 1.4.2 主要研究内容 | 第23-25页 |
| 第二章 锂电池的工作原理及电池寿命衰减原理研究 | 第25-33页 |
| 2.1 锂离子电池概述 | 第25-27页 |
| 2.1.1 锂离子电池工作原理 | 第25-26页 |
| 2.1.2 锂离子电池的优缺点 | 第26-27页 |
| 2.2 锂离子电池寿命衰减原理及其影响因素 | 第27-29页 |
| 2.2.1 电池寿命衰减内部因素 | 第27-28页 |
| 2.2.1 电池寿命衰减外部因素 | 第28-29页 |
| 2.3 分析锂离子电池寿命衰减表征参数 | 第29-32页 |
| 2.4 小结 | 第32-33页 |
| 第三章 电池等效电路模型与电池内阻辨识 | 第33-45页 |
| 3.1 电池模型概述 | 第33-34页 |
| 3.2 电化学模型 | 第34页 |
| 3.3 经验模型 | 第34-38页 |
| 3.3.1 Peukert定律 | 第34-35页 |
| 3.3.2 Rakhmatov和Vrudhula定律 | 第35-36页 |
| 3.3.3 动力学电池模型 | 第36-38页 |
| 3.4 电池等效电路模型 | 第38-39页 |
| 3.5 电池内阻辨识法 | 第39-44页 |
| 3.5.1 最小二乘法基本原理 | 第39-40页 |
| 3.5.2 Thevenin戴维宁电路模型参数辨识 | 第40-41页 |
| 3.5.3 验证内阻参数辨识法 | 第41-44页 |
| 3.6 小结 | 第44-45页 |
| 第四章 基于神经网络的动力电池SOH估计算法 | 第45-63页 |
| 4.1 神经网络概述 | 第45-46页 |
| 4.1.1 人工神经元模型 | 第45-46页 |
| 4.1.2 神经网络的分类 | 第46页 |
| 4.2 基于模糊神经网络的电池SOH估计算法 | 第46-55页 |
| 4.2.1 T-S型模糊神经网络算法原理 | 第46-48页 |
| 4.2.2 T-S型模糊神经网络学习算法 | 第48-49页 |
| 4.2.3 T-S型模糊神经网络算法实现 | 第49-51页 |
| 4.2.4 T-S型模糊神经网络算法建模及其验证分析 | 第51-55页 |
| 4.3 基于Elman神经网络的电池SOH估计算法 | 第55-62页 |
| 4.3.1 Elman神经网络原理 | 第55-56页 |
| 4.3.2 Elman神经网络学习算法 | 第56-57页 |
| 4.3.3 Elman神经网络算法实现 | 第57-59页 |
| 4.3.4 Elman神经网络算法建模及其验证分析 | 第59-62页 |
| 4.4 小结 | 第62-63页 |
| 第五章 电动汽车动力电池在线监测系统软件设计方案 | 第63-75页 |
| 5.1 动力电池实时在线监测系统架构 | 第63-65页 |
| 5.2 动力电池实时在线监测软件设计 | 第65-66页 |
| 5.3 动力电池实时在线监测软件分层结构设计 | 第66-71页 |
| 5.3.1 数据访问层设计 | 第67-69页 |
| 5.3.2 表现层设计 | 第69-70页 |
| 5.3.3 业务逻辑层设计 | 第70-71页 |
| 5.4 数据库设计 | 第71-73页 |
| 5.5 动力电池SOH预测算法软件实现 | 第73-74页 |
| 5.6 小结 | 第74-75页 |
| 结论和展望 | 第75-77页 |
| 参考文献 | 第77-82页 |
| 攻读学位期间发表的论文 | 第82-84页 |
| 致谢 | 第84页 |
