聲明

中文摘要

英文摘要

英文縮寫及符號表

目錄

第一章 緒 論

1.1課題研究的背景和意義

1.2 國內(nèi)外研究現(xiàn)狀

1.2.1 動力電池發(fā)展現(xiàn)狀及趨勢

1.2.2 動力電池模型研究現(xiàn)狀

1.2.3動力電池的荷電狀態(tài)估計方法研究現(xiàn)狀

1.2.4動力電池的健康狀態(tài)估計方法研究現(xiàn)狀

1.3主要研究內(nèi)容

第二章 鋰離子動力電池建模與參數(shù)辨識

2.1 動力電池模型解析

2.1.1 不同RC網(wǎng)絡(luò)階次的ECM

2.1.2 分?jǐn)?shù)階模型

2.1.3 基于容量衰退的循環(huán)壽命模型

2.2 基于在線數(shù)據(jù)驅(qū)動的參數(shù)辨識算法

2.3 實驗結(jié)果與分析

2.3.1 動力電池試驗系統(tǒng)

2.3.2 基于數(shù)據(jù)驅(qū)動的等效電路模型參數(shù)辨識

2.3.3 基于數(shù)據(jù)驅(qū)動的循環(huán)壽命模型參數(shù)辨識

2.4 本章小結(jié)

第三章 基于數(shù)據(jù)模型融合的動力電池SOC估計方法

3.1 基于同時輸入與狀態(tài)估計算法的動力電池SOC估計

3.1.1 同時輸入與狀態(tài)估計算法

3.1.2 應(yīng)用算例與結(jié)果分析

3.2 基于混合OCV模型和多線程動態(tài)優(yōu)化法的電池SOC估計

3.2.1 OCV模型與系統(tǒng)噪聲不確定性對于狀態(tài)估計的影響

3.2.2 多線程動態(tài)優(yōu)化法

3.2.3 無跡卡爾曼濾波算法

3.2.4 應(yīng)用算例與結(jié)果分析

3.3 基于最小二乘支持向量回歸和模糊信息粒化的電池SOC估計

3.3.1最小二乘支持向量回歸

3.3.2 模糊信息?；c隸屬度函數(shù)

3.3.3 應(yīng)用算例與結(jié)果分析

3.4 SOC估計方法性能對比

3.5 本章小結(jié)

第四章 基于模型和觀測器的動力電池SOH估計方法

4.1 基于SOC在線監(jiān)測和雙擴(kuò)展卡爾曼濾波算法的動力電池容量估計

4.1.1 基于SOC在線監(jiān)測的電池容量表達(dá)

4.1.2 雙擴(kuò)展卡爾曼濾波算法

4.1.3 應(yīng)用算例結(jié)果與分析

4.2 基于高斯-赫密特優(yōu)化擴(kuò)展粒子濾波算法的動力電池SOH估計

4.2.1擴(kuò)展粒子濾波算法

4.2.2 高斯-赫密特優(yōu)化

4.2.3 應(yīng)用算例與結(jié)果分析

4.3 基于開路電壓模型參數(shù)的高斯線性SOH估計方法

4.3.1 OCV模型參數(shù)與電池老化相關(guān)性分析

4.3.2基于OCV模型參數(shù)的高斯線性SOH估計模型

4.3.3 應(yīng)用算例與結(jié)果分析

4.4 SOH估計方法性能對比

4.5 本章小結(jié)

第五章 影響動力電池SOC與SOH聯(lián)合估計的因素

5.1電池老化對內(nèi)阻和工作溫度的影響

5.2 高倍率電流對平臺電壓特性的影響

5.3 工作溫度對于OCV的影響

5.4 高倍率特征電流對于電池老化和SOH估計的影響

5.5 本章小結(jié)

第六章 總結(jié)與展望

6.1 全文總結(jié)

6.2 主要創(chuàng)新點

6.3 研究工作的不足與展望

參考文獻(xiàn)

攻讀學(xué)位期間發(fā)表論文與研究成果清單

攻讀學(xué)位期間所獲獎項

致謝

相關(guān)知識

鋰離子動力電池荷電狀態(tài)與健康狀態(tài)聯(lián)合估計算法研究
電動汽車鋰離子動力電池健康狀態(tài)估計方法研究.pdf
利用荷電狀態(tài)計算在線評估鋰離子電池的健康狀態(tài)
鋰離子電池健康狀態(tài)估計方法研究現(xiàn)狀與展望
鋰離子電池荷電狀態(tài)估計及壽命預(yù)測方法研究
動態(tài)工況下鋰離子動力電池荷電狀態(tài)估計和健康狀態(tài)預(yù)測
鋰離子電池壽命測試與健康狀態(tài)估計
鋰離子電池安全狀態(tài)評估研究進(jìn)展
電動汽車鋰離子動力電池健康狀態(tài)在線診斷方法
鋰離子電池的健康狀態(tài)評估

網(wǎng)址: 鋰離子動力電池荷電狀態(tài)與健康狀態(tài)聯(lián)合估計算法研究 http://www.gysdgmq.cn/newsview1602477.html