论文目录 | |
摘要 | 第1-5页 |
Abstract | 第5-7页 |
目录 | 第7-10页 |
第1章 引言 | 第10-15页 |
· 论文研究背景与意义 | 第10-12页 |
· 电动汽车的兴起 | 第10-11页 |
· 动力电池的发展概况 | 第11-12页 |
· 蓄电池 SOC 估算算法研究现状 | 第12-13页 |
· 本论文研究的主要内容 | 第13-15页 |
第2章 动力电池 SOC 估算方法 | 第15-20页 |
· 蓄电池充放电过程简介 | 第15-16页 |
· 蓄电池 SOC 估算影响因素 | 第16页 |
· 蓄电池 SOC 估算方法总结 | 第16-18页 |
· 锂离子动力蓄电池 SOC 估算算法中的重难点分析 | 第18-19页 |
· 本章小结 | 第19-20页 |
第3章 支持向量机及其核函数设计 | 第20-34页 |
· 支持向量机理论基础 | 第20-22页 |
· 机器学习理论 | 第20页 |
· 统计学习理论 | 第20-22页 |
· 支持向量机原理 | 第22-31页 |
· 线性支持向量机 | 第23-25页 |
· 非线性支持向量机 | 第25-26页 |
· 核函数性质 | 第26-28页 |
· 支持向量机核函数的设计 | 第28-31页 |
· 支持向量机参数的意义 | 第31-32页 |
· SVM 性能评价方法建立 | 第32-33页 |
· 本章小结 | 第33-34页 |
第4章 支持向量机的参数优化算法 | 第34-42页 |
· 传统优化算法 | 第34页 |
· 智能优化算法 | 第34-36页 |
· 粒子群优化算法 | 第36-39页 |
· 基本粒子群优化算法 | 第36-37页 |
· 量子粒子群优化算法及改进 | 第37-39页 |
· 改进 QPSO 算法和基本 PSO 算法性能比较仿真 | 第39-40页 |
· PSO-SVM 算法流程 | 第40-41页 |
· 本章小结 | 第41-42页 |
第5章 基于 QPSO-CSVM 的动力锂离子电池 SOC 估算算法实验及分析 | 第42-52页 |
· 动力锂离子电池 SOC 估算方法选择 | 第42页 |
· 基于量子粒子群算法支持向量机模型的建立 | 第42-43页 |
· 模型输入与输出参数 | 第42-43页 |
· 核函数的选取 | 第43页 |
· 量子粒子群优化算法的设置 | 第43-44页 |
· 基于量子粒子群算法支持向量机模型实验及分析 | 第44-50页 |
· 实验准备 | 第44-45页 |
· 标准粒子群支持向量机模型与改进量子粒子群算法支持向量机模型的对比分析 | 第45-46页 |
· 单一核函数支持向量机模型与混合核函数支持向量机模型的对比分析 | 第46-50页 |
· 支持向量机性能评价指标 | 第50-51页 |
· 本章小结 | 第51-52页 |
第6章 动力锂离子电池 SOC 估算平台的建立 | 第52-64页 |
· 硬件电路设计 | 第53-57页 |
· 系统硬件设计总体思路 | 第53页 |
· MCU 的选择 | 第53页 |
· 锂离子电池测量电路设计 | 第53-56页 |
· CAN 通信电路设计 | 第56-57页 |
· 系统的软件设计 | 第57-61页 |
· 主程序设计 | 第57-58页 |
· 锂离子电池测量程序设计 | 第58-60页 |
· CAN 通信子程序设计 | 第60-61页 |
· QPSO-CSVM 算法估算 SOC 子程序设计 | 第61页 |
· 测量系统性能测试 | 第61-63页 |
· 小结 | 第63-64页 |
第7章 总结与展望 | 第64-66页 |
· 全文总结 | 第64页 |
· 未来工作展望 | 第64-66页 |
参考文献 | 第66-69页 |
致谢 | 第69-70页 |
附录 | 第70
页 |