| 摘要 | 第5-7页 |
| Abstract | 第7-9页 |
| 第一章 绪论 | 第12-21页 |
| 1.1 研究背景 | 第12-13页 |
| 1.2 动力电池技术发展概述 | 第13-14页 |
| 1.3 电池SOC估算方法研究现状 | 第14-19页 |
| 1.4 本文的研究工作和组织结构 | 第19-21页 |
| 第二章 锂离子电池SOC及特性分析 | 第21-31页 |
| 2.1 锂离子电池的组成和工作原理 | 第21-23页 |
| 2.2 锂离子电池的特性分析 | 第23-27页 |
| 2.2.1 单体电池电压特性 | 第24-25页 |
| 2.2.2 单体电池电流特性 | 第25-26页 |
| 2.2.3 单体电池内阻特性 | 第26-27页 |
| 2.3 电池SOC及其影响因素 | 第27-30页 |
| 2.3.1 单体电池SOC的定义 | 第27-28页 |
| 2.3.2 影响电池SOC估算的因素 | 第28-30页 |
| 2.4 本章小结 | 第30-31页 |
| 第三章 基于BP神经网络的锂电池SOC预测 | 第31-51页 |
| 3.1 BP网络的基本模型 | 第31-32页 |
| 3.2 BP神经网络算法 | 第32-37页 |
| 3.2.1 BP网络误差和各层权值的调整 | 第32-33页 |
| 3.2.2 BP神经网络算法的推导 | 第33-35页 |
| 3.2.3 BP算法的流程设计 | 第35-37页 |
| 3.3 基于BP神经网络的预测模型设计 | 第37-40页 |
| 3.3.1 BP网络估算SOC结构的设计 | 第38-39页 |
| 3.3.2 样本数据的选取 | 第39页 |
| 3.3.3 数据的归一化处理 | 第39-40页 |
| 3.4 BP神经网络算法的改进 | 第40-45页 |
| 3.4.1 附加动量法改进BP网络的收敛速度 | 第41-42页 |
| 3.4.2 LM算法改进BP网络的预测精度 | 第42-43页 |
| 3.4.3 附加动量法结合LM算法改进BP网络模型的验证 | 第43-45页 |
| 3.5 锂电池SOC预测方法 | 第45-49页 |
| 3.5.1 静置状态分析 | 第45-46页 |
| 3.5.2 工作状态(动态)分析 | 第46-49页 |
| 3.5.2.1 恢复状态 | 第46-47页 |
| 3.5.2.2 基于改进BP算法的SOC动态预测 | 第47-49页 |
| 3.6 本章小结 | 第49-51页 |
| 第四章 动力电池的余能检测 | 第51-60页 |
| 4.1 余能检测流程设计 | 第51-54页 |
| 4.2 余能检测方法 | 第54页 |
| 4.3 余能检测结果与分析 | 第54-59页 |
| 4.3.1 余能测试数据的获取 | 第54-57页 |
| 4.3.2 余能测试结果与分析 | 第57-59页 |
| 4.4 本章小结 | 第59-60页 |
| 第五章 锂离子电池SOC在线监测系统的设计 | 第60-75页 |
| 5.1 电池SOC预测架构整体设计 | 第60页 |
| 5.2 EB电池测试系统简介 | 第60-64页 |
| 5.2.1 EBC-A10功能参数 | 第60-61页 |
| 5.2.2 电池接口 | 第61-62页 |
| 5.2.3 EB测试系统软件 | 第62-64页 |
| 5.3 监测系统软件设计及测试 | 第64-72页 |
| 5.3.1 LaBVIEW简介 | 第64-66页 |
| 5.3.2 监测系统主界面 | 第66-68页 |
| 5.3.3 登录界面设计 | 第68页 |
| 5.3.4 串口通信设计 | 第68-69页 |
| 5.3.5 数据存储模块设计 | 第69-70页 |
| 5.3.6 预警模块 | 第70-71页 |
| 5.3.7 数据处理模块设计 | 第71-72页 |
| 5.3.8 错误处理 | 第72页 |
| 5.4 监测系统测试结果 | 第72-73页 |
| 5.5 本章小结 | 第73-75页 |
| 第六章 总结与展望 | 第75-78页 |
| 6.1 工作总结 | 第75-76页 |
| 6.2 工作展望 | 第76-78页 |
| 参考文献 | 第78-85页 |
| 致谢 | 第85-86页 |
| 攻读硕士期间的相关工作 | 第86页 |