| 摘要 | 第3-4页 |
| abstract | 第4-5页 |
| 第1章 绪论 | 第9-21页 |
| 1.1 电动汽车发展背景概述 | 第9-14页 |
| 1.1.1 电动汽车发展概述 | 第9-12页 |
| 1.1.2 动力电池发展概述 | 第12-14页 |
| 1.2 课题研究背景与意义 | 第14-15页 |
| 1.2.1 电池荷电状态估计 | 第14页 |
| 1.2.2 电池健康状态估计 | 第14-15页 |
| 1.3 课题的研究现状 | 第15-20页 |
| 1.3.1 电池模型研究现状 | 第15页 |
| 1.3.2 SOH研究现状 | 第15-17页 |
| 1.3.3 SOC研究现状 | 第17-20页 |
| 1.4 本文研究内容及结构安排 | 第20-21页 |
| 第2章 磷酸铁锂电池原理与特性分析 | 第21-31页 |
| 2.1 引言 | 第21页 |
| 2.2 锂电池的电池特性研究 | 第21-25页 |
| 2.2.1 电池基本结构与工作原理 | 第21-23页 |
| 2.2.2 锂电池的性能特点 | 第23-25页 |
| 2.3 电池主要特性实验分析 | 第25-30页 |
| 2.3.1 实验设备与实验电池 | 第25-26页 |
| 2.3.2 电池的电压特性 | 第26-29页 |
| 2.3.3 内阻特性 | 第29-30页 |
| 2.4 本章小结 | 第30-31页 |
| 第3章 电池模型研究与参数辨识 | 第31-45页 |
| 3.1 引言 | 第31页 |
| 3.2 常用的电池模型 | 第31-36页 |
| 3.2.1 电化学模型 | 第31-32页 |
| 3.2.2 神经网络模型 | 第32-33页 |
| 3.2.3 电路模型 | 第33-36页 |
| 3.2.4 电池模型的确定 | 第36页 |
| 3.3 模型的参数辨识 | 第36-42页 |
| 3.3.1 模型状态方程的建立 | 第36-37页 |
| 3.3.2 电池OCV-SOC辨识 | 第37-39页 |
| 3.3.3 RC的参数辨识 | 第39-42页 |
| 3.4 模型验证 | 第42-44页 |
| 3.5 本章小结 | 第44-45页 |
| 第4章 基于UKF的SOC估算的实现与验证 | 第45-57页 |
| 4.1 引言 | 第45-51页 |
| 4.1.1 SOC的定义 | 第45页 |
| 4.1.2 卡尔曼滤波法 | 第45-47页 |
| 4.1.3 无迹卡尔曼滤波理论 | 第47-48页 |
| 4.1.4 UT变换 | 第48-49页 |
| 4.1.5 无迹卡尔曼滤波算法 | 第49-50页 |
| 4.1.6 系统误差和观测误差的自适应匹配 | 第50-51页 |
| 4.2 基于EKF和UKF的SOC估算 | 第51-52页 |
| 4.2.1 SOC扩展卡尔曼滤波设计 | 第51-52页 |
| 4.2.2 SOC无迹卡尔曼滤波设计 | 第52页 |
| 4.3 仿真模型建立与仿真结果分析 | 第52-56页 |
| 4.3.1 仿真模型建立 | 第52-54页 |
| 4.3.2 基于UDDS工况的仿真结果对比 | 第54-56页 |
| 4.4 本章小结 | 第56-57页 |
| 第5章 基于双扩展卡尔曼滤波算法估计SOH | 第57-70页 |
| 5.1 引言 | 第57页 |
| 5.2 SOH估计原理 | 第57-58页 |
| 5.2.1 SOH定义 | 第57-58页 |
| 5.2.2 电池SOH表征参数分析 | 第58页 |
| 5.3 估计算法原理介绍 | 第58-63页 |
| 5.3.1 扩展卡尔曼滤波算法原理 | 第58-60页 |
| 5.3.2 双扩展卡尔曼滤波算法原理 | 第60-63页 |
| 5.4 双扩展卡尔曼同时估计SOC和SOH及仿真结果 | 第63-68页 |
| 5.5 本章小结 | 第68-70页 |
| 第6章 结论 | 第70-72页 |
| 6.1 总结 | 第70页 |
| 6.2 研究展望 | 第70-72页 |
| 参考文献 | 第72-75页 |
| 致谢 | 第75-76页 |
| 攻读学位期间的研究成果 | 第76页 |