新能源汽车动力电池技术 / 新能源与智能网联汽车新技术系列丛书，新工科·普通高等教育汽车类专业系列教材
定价：￥35.00
作者： 欧阳天成
出版时间：2025-01-02
最新印次日期：2025-1
出版社：机械工业出版社
“十四五”国家重点出版物出版规划项目
试读- 机械工业出版社
- 9787111767725
- 1-1
- 47267421-7
- 16开
- 2025-01-02
- 201
- 工学
- 机械类
- 新能源汽车工程
- 本科
内容简介
本书遵循普通高等教育汽车专业培养目标，根据车载动力电池应用的技术要求，对当前电池管理系统状态监测和寿命诊断进行了系统论述。本书针对新能源汽车电池管理系统的应用特点，以电池老化机理与等效建模为基础，主要讲述了动力电池状态估计的关键方法和技术难题，具体包括车载动力电池管理系统概述，车载动力电池及其老化机理、等效建模及参数辨识，锂离子动力电池荷电状态估计方法、健康状态估计方法、协同状态估计方法，动力电池剩余使用寿命预测研究等内容，同时配有验证实例。
本书既可作为普通高等教育车辆工程、自动化、控制科学与工程、新能源汽车工程，以及汽车服务工程等专业本科生及研究生的教材，也可作为广大汽车工程技术人员、新能源测控技术人员、汽车运输与管理人员的参考书。
本书既可作为普通高等教育车辆工程、自动化、控制科学与工程、新能源汽车工程，以及汽车服务工程等专业本科生及研究生的教材，也可作为广大汽车工程技术人员、新能源测控技术人员、汽车运输与管理人员的参考书。
目录
前言
第1章车载动力电池管理系统概述1
11动力电池管理系统的概念和分类2
111动力电池管理系统的基本概念2
112动力电池管理系统的分类3
12动力电池管理系统的组成和功能5
121动力电池管理系统的组成要素5
122动力电池管理系统的关键技术和
主要功能6
13动力电池管理系统的技术发展趋势10
131智能化管理技术的发展趋势11
132安全性能提升的技术趋势12
133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
21锂离子动力电池的组成和工作原理18
211锂离子动力电池的正极材料18
212锂离子动力电池的负极材料21
213锂离子动力电池的电解质和
隔膜23
214锂离子动力电池的工作原理25
22锂离子动力电池的老化机理及其影响
因素26
221锂离子动力电池的寿命及其评估
指标26
222锂离子动力电池老化的主要
机理27
223锂离子动力电池老化的影响
因素28
23锂离子动力电池老化的诊断方法和
预防手段30
231锂离子动力电池老化的诊断
方法30
232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35
31锂离子动力电池的等效建模35
311基于等效电路模型的电池建模35
312基于电化学模型的电池建模39
313基于数据驱动模型的电池建模48
32动力电池模型参数辨识方法49
321可变遗忘因子的递归最小二乘法49
322等效电路模型的参数辨识54
323循环寿命模型的参数辨识56
33动力电池模型参数对电动汽车性能和
管理系统的影响57
331模型参数对电动汽车性能的
影响58
332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61
41动力电池荷电状态61
411荷电状态估计方法分类61
412基于模型的SOC估计方法65
42卡尔曼滤波66
421卡尔曼滤波原理66
422卡尔曼滤波器68
423卡尔曼滤波的参数处理71
43基于卡尔曼滤波的动力电池SOC估计72
431建立电池模型72
432状态方程公式递推73
433估计流程与示例演示75
44基于高斯过程回归的动力电池SOC
估计77
441高斯过程回归原理77
442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79
51动力电池健康状态概述79
511健康状态定义及评价指标79
512健康状态估计方法分类80
52基于粒子滤波的电池健康状态估计81
521基本原理81
522系统建模81
523重采样82
524粒子滤波仿真实例84
53基于支持向量回归的电池健康状态
估计89
531优化目标及求解89
532核函数选择91
533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94
61动力电池协同状态概述94
611协同状态问题描述94
612协同状态的定义95
613协同状态的评价指标95
614协同状态估计方法分类96
62动力电池SOC与SOH估计97
621锂离子电池的SOC定义97
622锂离子电池的SOH定义97
623影响SOC和SOH联合估计的
因素99
63基于双无迹卡尔曼滤波的SOC与SOH
联合估计101
631无迹卡尔曼滤波原理101
632无迹卡尔曼滤波算法实现102
633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107
71动力电池剩余使用寿命概述107
711剩余使用寿命预测的目的及
意义107
712剩余使用寿命预测的方法分类108
72基于神经网络的电池剩余使用寿命
预测109
721神经网络基本原理109
722梯度计算方法110
723神经网络仿真实例112
73结合概率分布的剩余使用寿命预测114
731概率分布114
732高斯过程回归方法流程115
733高斯过程回归方法实例117
参考文献122
第1章车载动力电池管理系统概述1
11动力电池管理系统的概念和分类2
111动力电池管理系统的基本概念2
112动力电池管理系统的分类3
12动力电池管理系统的组成和功能5
121动力电池管理系统的组成要素5
122动力电池管理系统的关键技术和
主要功能6
13动力电池管理系统的技术发展趋势10
131智能化管理技术的发展趋势11
132安全性能提升的技术趋势12
133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
21锂离子动力电池的组成和工作原理18
211锂离子动力电池的正极材料18
212锂离子动力电池的负极材料21
213锂离子动力电池的电解质和
隔膜23
214锂离子动力电池的工作原理25
22锂离子动力电池的老化机理及其影响
因素26
221锂离子动力电池的寿命及其评估
指标26
222锂离子动力电池老化的主要
机理27
223锂离子动力电池老化的影响
因素28
23锂离子动力电池老化的诊断方法和
预防手段30
231锂离子动力电池老化的诊断
方法30
232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35
31锂离子动力电池的等效建模35
311基于等效电路模型的电池建模35
312基于电化学模型的电池建模39
313基于数据驱动模型的电池建模48
32动力电池模型参数辨识方法49
321可变遗忘因子的递归最小二乘法49
322等效电路模型的参数辨识54
323循环寿命模型的参数辨识56
33动力电池模型参数对电动汽车性能和
管理系统的影响57
331模型参数对电动汽车性能的
影响58
332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61
41动力电池荷电状态61
411荷电状态估计方法分类61
412基于模型的SOC估计方法65
42卡尔曼滤波66
421卡尔曼滤波原理66
422卡尔曼滤波器68
423卡尔曼滤波的参数处理71
43基于卡尔曼滤波的动力电池SOC估计72
431建立电池模型72
432状态方程公式递推73
433估计流程与示例演示75
44基于高斯过程回归的动力电池SOC
估计77
441高斯过程回归原理77
442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79
51动力电池健康状态概述79
511健康状态定义及评价指标79
512健康状态估计方法分类80
52基于粒子滤波的电池健康状态估计81
521基本原理81
522系统建模81
523重采样82
524粒子滤波仿真实例84
53基于支持向量回归的电池健康状态
估计89
531优化目标及求解89
532核函数选择91
533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94
61动力电池协同状态概述94
611协同状态问题描述94
612协同状态的定义95
613协同状态的评价指标95
614协同状态估计方法分类96
62动力电池SOC与SOH估计97
621锂离子电池的SOC定义97
622锂离子电池的SOH定义97
623影响SOC和SOH联合估计的
因素99
63基于双无迹卡尔曼滤波的SOC与SOH
联合估计101
631无迹卡尔曼滤波原理101
632无迹卡尔曼滤波算法实现102
633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107
71动力电池剩余使用寿命概述107
711剩余使用寿命预测的目的及
意义107
712剩余使用寿命预测的方法分类108
72基于神经网络的电池剩余使用寿命
预测109
721神经网络基本原理109
722梯度计算方法110
723神经网络仿真实例112
73结合概率分布的剩余使用寿命预测114
731概率分布114
732高斯过程回归方法流程115
733高斯过程回归方法实例117
参考文献122
