摘要 | 第3-4页 |
ABSTRACT | 第4-5页 |
第1章 绪论 | 第9-16页 |
1.1 研究背景及意义 | 第9-10页 |
1.2 铅酸蓄电池SOC和 SOH国内外研究现状 | 第10-11页 |
1.2.1 铅酸蓄电池的SOC研究现状 | 第10页 |
1.2.2 铅酸蓄电池的SOH研究现状 | 第10-11页 |
1.3 铅酸蓄电池参数与模型 | 第11-15页 |
1.3.1 铅酸蓄电池的参数 | 第11-13页 |
1.3.2 常见铅酸蓄电池等效电路模型 | 第13-15页 |
1.4 论文的研究内容及结构 | 第15-16页 |
第2章 车载蓄电池特性分析及在线SOC估计 | 第16-28页 |
2.1 车载蓄电池概述及工作原理 | 第16-18页 |
2.1.1 车载蓄电池概述 | 第16-17页 |
2.1.2 车载蓄电池工作原理 | 第17-18页 |
2.2 车载蓄电池的在线测试 | 第18-22页 |
2.2.1 车载蓄电池测试平台 | 第18-19页 |
2.2.2 车载蓄电池测试方案设计 | 第19-22页 |
2.3 基于电池模型的扩展卡尔曼滤波在线SOC估计 | 第22-27页 |
2.3.1 扩展卡尔曼滤波算法概述 | 第22-23页 |
2.3.2 Thevenin等效电路模型参数辨识 | 第23-25页 |
2.3.3 安时积分法和EKF估计的SOC估算仿真 | 第25-27页 |
2.4 本章小结 | 第27-28页 |
第3章 车载蓄电池的在线SOH估计 | 第28-39页 |
3.1 基于LIBSVM的铅酸蓄电池SOH估计 | 第28-33页 |
3.1.1 LIBSVM算法概述 | 第28-29页 |
3.1.2 基于LIBSVM的铅酸蓄电池SOH估计仿真 | 第29-33页 |
3.2 基于回归CNN的车载蓄电池在线SOH估计研究 | 第33-38页 |
3.2.1 回归卷积神经网络算法概述 | 第33页 |
3.2.2 车载蓄电池SOH估计实际问题分析 | 第33-35页 |
3.2.3 基于回归CNN的车载蓄电池在线SOH估计实现 | 第35-38页 |
3.3 本章小结 | 第38-39页 |
第4章 车载蓄电池状态参数系统的设计 | 第39-53页 |
4.1 系统功能与结构 | 第39-41页 |
4.1.1 系统功能 | 第39-40页 |
4.1.2 系统结构 | 第40-41页 |
4.1.3 系统参数指标 | 第41页 |
4.2 系统硬件实现 | 第41-46页 |
4.2.1 主控MCU选型 | 第41-42页 |
4.2.2 铅酸蓄电池参数检测电路 | 第42-44页 |
4.2.3 系统CAN总线通信和NB-IOT无线通信电路 | 第44-46页 |
4.3 内阻检测电路和系统PCB设计 | 第46-52页 |
4.3.1 内阻检测电路设计 | 第46-51页 |
4.3.2 系统PCB设计 | 第51-52页 |
4.4 本章小结 | 第52-53页 |
第5章 系统平台开发及实现 | 第53-61页 |
5.1 系统硬件调试和平台搭建 | 第53页 |
5.2 系统软件程序调试 | 第53-57页 |
5.2.1 程序总体结构 | 第54-55页 |
5.2.2 数据采集程序设计 | 第55页 |
5.2.3 SOC和 SOH估计程序 | 第55-56页 |
5.2.4 CAN通信和NB-IOT通信程序 | 第56-57页 |
5.3 在线CAN通信数据测试 | 第57-58页 |
5.4 无线云平台数据测试 | 第58-59页 |
5.5 系统测试结果对比 | 第59-60页 |
5.6 本章小结 | 第60-61页 |
第6章 总结与展望 | 第61-63页 |
6.1 全文总结 | 第61-62页 |
6.2 展望 | 第62-63页 |
参考文献 | 第63-67页 |
附录一 | 第67-69页 |
附录二 名词解释 | 第69-70页 |
致谢 | 第70页 |