包邮新能源汽车动力电池技术

前言第1章车载动力电池管理系统概述111动力电池管理系统的概念和分类2111动力电池管理系统的基本概念2112动力电池管理系统的分类312动力电池管理系统的组成和功能5121动力电池管理系统的组成要素5122动力电池管理系统的关键技术和主要功能613动力电池管理系统的技术发展趋势10131智能化管理技术的发展趋势11132安全性能提升的技术趋势12133能量利用效率提高的技术趋势14第2章车载动力电池及其老化机理18前言第1章车载动力电池管理系统概述111动力电池管理系统的概念和分类2111动力电池管理系统的基本概念2112动力电池管理系统的分类312动力电池管理系统的组成和功能5121动力电池管理系统的组成要素5122动力电池管理系统的关键技术和主要功能613动力电池管理系统的技术发展趋势10131智能化管理技术的发展趋势11132安全性能提升的技术趋势12133能量利用效率提高的技术趋势14第2章车载动力电池及其老化机理1821锂离子动力电池的组成和工作原理18211锂离子动力电池的正极材料18212锂离子动力电池的负极材料21213锂离子动力电池的电解质和隔膜23214锂离子动力电池的工作原理2522锂离子动力电池的老化机理及其影响因素26221锂离子动力电池的寿命及其评估指标26222锂离子动力电池老化的主要机理27223锂离子动力电池老化的影响因素2823锂离子动力电池老化的诊断方法和预防手段30231锂离子动力电池老化的诊断方法30232锂离子动力电池老化的预防手段33第3章车载动力电池等效建模及参数辨识3531锂离子动力电池的等效建模35311基于等效电路模型的电池建模35312基于电化学模型的电池建模39313基于数据驱动模型的电池建模4832动力电池模型参数辨识方法49321可变遗忘因子的递归*小二乘法49322等效电路模型的参数辨识54323循环寿命模型的参数辨识5633动力电池模型参数对电动汽车性能和管理系统的影响57331模型参数对电动汽车性能的影响58332模型参数对管理系统的影响60第4章锂离子动力电池荷电状态估计方法6141动力电池荷电状态61411荷电状态估计方法分类61412基于模型的SOC估计方法6542卡尔曼滤波66421卡尔曼滤波原理66422卡尔曼滤波器68423卡尔曼滤波的参数处理7143基于卡尔曼滤波的动力电池SOC估计72431建立电池模型72432状态方程公式递推73433估计流程与示例演示7544基于高斯过程回归的动力电池SOC估计77441高斯过程回归原理77442案例展示与分析77第5章锂离子动力电池健康状态估计方法7951动力电池健康状态概述79511健康状态定义及评价指标79512健康状态估计方法分类8052基于粒子滤波的电池健康状态估计81521基本原理81522系统建模81523重采样82524粒子滤波仿真实例8453基于支持向量回归的电池健康状态估计89531优化目标及求解89532核函数选择91533支持向量回归方法实例92第6章锂离子动力电池协同状态估计方法9461动力电池协同状态概述94611协同状态问题描述94612协同状态的定义95613协同状态的评价指标95614协同状态估计方法分类9662动力电池SOC与SOH估计97621锂离子电池的SOC定义97622锂离子电池的SOH定义97623影响SOC和SOH联合估计的因素9963基于双无迹卡尔曼滤波的SOC与SOH联合估计101631无迹卡尔曼滤波原理101632无迹卡尔曼滤波算法实现102633基于双无迹卡尔曼滤波的协同估计103第7章动力电池剩余使用寿命预测研究10771动力电池剩余使用寿命概述107711剩余使用寿命预测的目的及意义107712剩余使用寿命预测的方法分类10872基于神经网络的电池剩余使用寿命预测109721神经网络基本原理109722梯度计算方法110723神经网络仿真实例11273结合概率分布的剩余使用寿命预测114731概率分布114732高斯过程回归方法流程115733高斯过程回归方法实例117参考文献122