基于小波神经网络的锂离子电池SOC估算技术研究
发布时间：2022-08-04 16:35
当今世界正面临日趋严重的两大问题:能源短缺与环境恶化。寻找基于低碳能源的,更绿色、更高效的交通运输方案已成为社会研究热点。作为交通运输的重要组成部分,汽车行业迎来了发展与变革的新时期,推进新能源汽车发展已经成为了历史必然选择。作为电动汽车主要能量载体的动力电池不容置疑地成为新能源汽车研究与发展前沿。锂离子电池由于其高能量密度、高输出功率、循环性能好、无记忆效应等优点而成为电动汽车的首选能量载体。然而制造或使用过程中,各电芯之间存在不可忽视的个体差异,电芯差异性直接影响动力电池包的性能并将产生安全性问题。因此,对所有电芯进行管理与控制的电池管理系统十分重要。电池电量状态（State of charge,SOC）作为电池管理系统的核心参数,其估算过程更是重中之重,已然成为新时代的研究热点。本文以锂离子电池为研究对象,搭建了实验平台并对电池进行多模拟工况特性测试,通过大量的实验分析并验证基于所研究的改进型小波神经网络模型的SOC估算算法性能。本文主要内容如下:1)开展了将离散小波变换与自适应小波神经网络相结合的混合型自适应小波神经网络的理论分析,并通过实验证明,基于混合型自适应小波神经网络的...
【文章页数】：84 页
【学位级别】：硕士
【文章目录】：
摘要
abstract
第1章 绪论
1.1 研究背景及意义
1.2 电池管理系统
1.3 SOC估算技术概述
1.3.1 SOC估算的意义
1.3.2 SOC估算研究现状
1.4 研究目标与主要工作
1.4.1 研究目标
1.4.2 主要工作
第2章 SOC估算模型的小波理论基础
2.1 小波分析的基本概念
2.2 基于多分辨分析的测量信号特征提取原理
2.2.1 多分辨分析基本概念
2.2.2 小波级数、Mallat算法
2.3 本章小结
第3章 小波神经网络SOC估算的基础模型
3.1 神经网络模型
3.1.1 感知器模型
3.1.2 神经网络学习规则
3.2 小波神经网络基础模型
3.2.1 混合型小波神经网络
3.2.2 多分辨小波神经网络
3.2.3 自适应型小波神经网络
3.3 本章小结
第4章 改进型小波神经网络SOC估算模型
4.1 学习算法优化
4.1.1 粒子群优化算法
4.1.2 Levenberg-Marquardt算法
4.2 混合型自适应小波神经网络SOC估算模型
4.3 多层自适应小波神经网络SOC估算模型
4.3.1 基于负梯度算法的训练过程
4.3.2 基于Levenberg-Marquardt算法的训练过程
4.4 本章小结
第5章 小波神经网络SOC估算特性分析与实验研究
5.1 实验平台
5.2 多模拟工况电池特性测试
5.3 小波神经网络在电池SOC估算的应用及特性分析
5.3.1 基于PSO或 L-M的自适应小波神经网络
5.3.2 基于多层自适应小波神经网络
5.3.3 基于混合型自适应小波神经网络
5.3.4 基于混合型多层自适应小波神经网络
5.4 本章小结
第6章 总结与展望
6.1 工作总结
6.2 工作展望
参考文献
致谢
附录A 一种基于云计算的电动汽车动力电池管理和监控系统
个人简历、在学期间发表的学术论文与研究成果
【参考文献】：
期刊论文
[1]电动汽车锂离子电池管理系统的关键技术[J]. 卢兰光,李建秋,华剑锋,欧阳明高. 科技导报. 2016(06)
[2]基于先进小波神经网络的HEV动力锂离子电池SOC估计（英文）[J]. 付主木,赵瑞. Journal of Southeast University（English Edition）. 2012(03)
[3]基于小波神经的动力电池SOC估计的研究[J]. 于洋,纪世忠,魏克新. 电力电子技术. 2012(06)
[4]电动汽车用电池SOC定义与检测方法[J]. 麻友良,陈全世,齐占宁. 清华大学学报(自然科学版). 2001(11)
硕士论文
[1]电动汽车电池管理系统的研究与设计[D]. 马贝贝.济南大学 2016
[2]电动汽车锂电池SOC估计研究[D]. 齐洋洋.重庆大学 2015
[3]基于神经网络的HEV动力锂电池组能量管理策略[D]. 赵瑞.河南科技大学 2012
[4]基于改进鱼群算法的BP神经网络优化研究[D]. 张颖.华南理工大学 2012
[5]基于神经网络的电动汽车磷酸铁锂电池SOC估算方法研究[D]. 廖恩华.电子科技大学 2011
[6]小波神经网络与BP网络的比较研究及应用[D]. 冯再勇.成都理工大学 2007
[7]递归神经网络的研究及在非线性动态系统辨识中的应用[D]. 张欣.太原理工大学 2005
本文编号：3669891
【文章页数】：84 页
【学位级别】：硕士
【文章目录】：
摘要
abstract
第1章 绪论
1.1 研究背景及意义
1.2 电池管理系统
1.3 SOC估算技术概述
1.3.1 SOC估算的意义
1.3.2 SOC估算研究现状
1.4 研究目标与主要工作
1.4.1 研究目标
1.4.2 主要工作
第2章 SOC估算模型的小波理论基础
2.1 小波分析的基本概念
2.2 基于多分辨分析的测量信号特征提取原理
2.2.1 多分辨分析基本概念
2.2.2 小波级数、Mallat算法
2.3 本章小结
第3章 小波神经网络SOC估算的基础模型
3.1 神经网络模型
3.1.1 感知器模型
3.1.2 神经网络学习规则
3.2 小波神经网络基础模型
3.2.1 混合型小波神经网络
3.2.2 多分辨小波神经网络
3.2.3 自适应型小波神经网络
3.3 本章小结
第4章 改进型小波神经网络SOC估算模型
4.1 学习算法优化
4.1.1 粒子群优化算法
4.1.2 Levenberg-Marquardt算法
4.2 混合型自适应小波神经网络SOC估算模型
4.3 多层自适应小波神经网络SOC估算模型
4.3.1 基于负梯度算法的训练过程
4.3.2 基于Levenberg-Marquardt算法的训练过程
4.4 本章小结
第5章 小波神经网络SOC估算特性分析与实验研究
5.1 实验平台
5.2 多模拟工况电池特性测试
5.3 小波神经网络在电池SOC估算的应用及特性分析
5.3.1 基于PSO或 L-M的自适应小波神经网络
5.3.2 基于多层自适应小波神经网络
5.3.3 基于混合型自适应小波神经网络
5.3.4 基于混合型多层自适应小波神经网络
5.4 本章小结
第6章 总结与展望
6.1 工作总结
6.2 工作展望
参考文献
致谢
附录A 一种基于云计算的电动汽车动力电池管理和监控系统
个人简历、在学期间发表的学术论文与研究成果
【参考文献】：
期刊论文
[1]电动汽车锂离子电池管理系统的关键技术[J]. 卢兰光,李建秋,华剑锋,欧阳明高. 科技导报. 2016(06)
[2]基于先进小波神经网络的HEV动力锂离子电池SOC估计（英文）[J]. 付主木,赵瑞. Journal of Southeast University（English Edition）. 2012(03)
[3]基于小波神经的动力电池SOC估计的研究[J]. 于洋,纪世忠,魏克新. 电力电子技术. 2012(06)
[4]电动汽车用电池SOC定义与检测方法[J]. 麻友良,陈全世,齐占宁. 清华大学学报(自然科学版). 2001(11)
硕士论文
[1]电动汽车电池管理系统的研究与设计[D]. 马贝贝.济南大学 2016
[2]电动汽车锂电池SOC估计研究[D]. 齐洋洋.重庆大学 2015
[3]基于神经网络的HEV动力锂电池组能量管理策略[D]. 赵瑞.河南科技大学 2012
[4]基于改进鱼群算法的BP神经网络优化研究[D]. 张颖.华南理工大学 2012
[5]基于神经网络的电动汽车磷酸铁锂电池SOC估算方法研究[D]. 廖恩华.电子科技大学 2011
[6]小波神经网络与BP网络的比较研究及应用[D]. 冯再勇.成都理工大学 2007
[7]递归神经网络的研究及在非线性动态系统辨识中的应用[D]. 张欣.太原理工大学 2005
本文编号：3669891
本文链接：https://www.wllwen.com/kejilunwen/zidonghuakongzhilunwen/3669891.html
