| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| List of Abbreviations | 第14-16页 |
| Chapter 1 Introduction | 第16-19页 |
| 1.1 Thesis Motivation | 第16页 |
| 1.2 Thesis Scope and Objectives | 第16-17页 |
| 1.3 Thesis Organization | 第17-19页 |
| Chapter 2 Literature Review | 第19-36页 |
| 2.1 Current and Future Energy Situation | 第19-21页 |
| 2.2 Li-ion Battery Operating Principle | 第21-23页 |
| 2.2.1 Battery Terminologies and Definitions | 第21-22页 |
| 2.2.2 Operating Principle of Li ion battery | 第22-23页 |
| 2.3 Recent Work in Battery Modeling | 第23-28页 |
| 2.3.1 Ideal Model | 第24页 |
| 2.3.2 Physical and Behavioral Model | 第24-25页 |
| 2.3.3 Electric Circuit Model | 第25-27页 |
| 2.3.4 Electro Chemical Model | 第27-28页 |
| 2.4 Recent Work in Battery State Estimation | 第28-32页 |
| 2.4.1 Discharge Test Method | 第28页 |
| 2.4.2 Coulomb counting/Ampere hour integral method | 第28-29页 |
| 2.4.3 Open Circuit Voltage (OCV) method | 第29-30页 |
| 2.4.4 Electrolyte Physical Properties Measurement based Method | 第30页 |
| 2.4.5 Electrolyte Physical Properties Measurement based Method | 第30页 |
| 2.4.6 Neural Network Model Method | 第30-31页 |
| 2.4.7 Fuzzy Logic Method | 第31页 |
| 2.4.8 Model based integrated algorithm method | 第31-32页 |
| 2.5 Thermal Management Systems | 第32页 |
| 2.6 Battery Aging Mechanisms | 第32-33页 |
| 2.7 Summary | 第33-36页 |
| Chapter 3 Battery Modeling | 第36-42页 |
| 3.1 Introduction | 第36-37页 |
| 3.2 Battery Model and Data Collection | 第37页 |
| 3.2.1 Equivalent Battery Model: | 第37页 |
| 3.3 Battery Parameter Identification | 第37-39页 |
| 3.3.1 Battery Discharging Experiments: | 第37-39页 |
| 3.4 Least Square Method for Battery Parameter Identification | 第39-40页 |
| 3.5 Summary | 第40-42页 |
| Chapter 4 Model based Battery State Estimation | 第42-56页 |
| 4.1 Introduction | 第42页 |
| 4.2 Related Work | 第42-43页 |
| 4.3 Proposed Algorithms for State Estimation | 第43-49页 |
| 4.3.1 Extended Kalman Filter | 第43-44页 |
| 4.3.2 Sigma Point Unscented Kalman Filter | 第44-47页 |
| 4.3.3 Proposed Particle Filter as a Sequential Monte Carlo Method | 第47-49页 |
| 4.4 Experimental Results and Discussion | 第49-55页 |
| 4.5 Discussion and Conclusion | 第55-56页 |
| Chapter 5 Subtractive Clustering based Neuro-Fuzzy State of Charge Estimation | 第56-82页 |
| 5.1 Introduction | 第56页 |
| 5.2 Related Work | 第56-59页 |
| 5.3 Proposed Subtractive Clustering based Neuro fuzzy Algorithm | 第59-66页 |
| 5.3.1 Overview of Adaptive Neural Fuzzy Interface System | 第59-62页 |
| 5.3.2 Subtractive clustering | 第62-66页 |
| 5.4 Experiments | 第66-80页 |
| 5.4.1 Experimental Results and Discussion | 第66-67页 |
| 5.4.2 Drive Cycles used for Training and Testing | 第67-69页 |
| 5.4.3 Experimental Data Collection | 第69-70页 |
| 5.4.4 Data Normalization | 第70页 |
| 5.4.5 Effectiveness Measures | 第70-78页 |
| 5.4.6 Sensitivity analysis | 第78-80页 |
| 5.5 Discussion and Conclusion | 第80-82页 |
| Chapter 6 Conclusion and Future Work | 第82-85页 |
| 6.1 Conclusion | 第82-83页 |
| 6.2 Future Work | 第83-85页 |
| Bibliography | 第85-93页 |
| Acknowledgement | 第93-95页 |
| About the Author | 第95-97页 |
