内容简介
本书结合作者多年来的研究实践，阐述了电动汽车动力电池管理系统的特点及其核心算法开发的关键技术问题，详细介绍了动力电池测试、建模、状态估计、剩余寿命预测、故障诊断、低温加热、优化充电、算法开发、评估与测试以及新一代动力电池管理系统，并配有详细的算法实践步骤和开发流程，专注于分析当代新能源领域及动力电池发展存在的“卡脖子”问题，从技术和共基础理论两方面帮助读者掌握新能源汽车动力电池管理系统的核心算法。 本书可作为高等院校车辆工程相关专业（是新能源汽车专业）高年级和研究生的专业课教科书，也可作为电化学储能、电气化交通等相关领域技术人员的参考书。
目录
丛书序第2版前言第1版前言第1章 动力电池及其管理概述 1.1 我国新能源汽车的发展规划 1.2 动力电池系统的应用要求 1.2.1 纯电动汽车 1.2.2 混合动力汽车 1.2.3 插电式混合动力汽车 1.2.4 相关研发指标 1.2.5 全气候动力电池系统应用要求 1.3 动力电池 1.3.1 动力电池的发展背景 1.3.2 锂离子动力电池的原理与分类 1.3.3 磷酸铁锂锂离子动力电池 1.3.4 三元锂离子动力电池 1.3.5 其他类型的动力电池 1.4 动力电池管理系统 1.4.1 BMS的基能 1.4.2 BMS的拓扑结构 1.4.3 BMS的开发流程 1.5 本章小结第2章 动力电池测试 2.1 动力电池测台 2.1.1 充放电能测试设备 2.1.2 交流充放电设备 2.1.3 阻抗特测试设备 2.1.4 环境模拟设备 2.1.5 加速绝热量热仪 2.1.6 电触发加热测台 2.1.7 惰气体手套箱 2.2 动力电池测试流程 2.2.1 国内外测试标准介绍 2.2.2 BMS算法开发与实验设计 2.2.3 动力电池常规电能测试 2.2.4 交流阻抗测试 2.2.5 剩余寿命测试 2.3 动力电池测试数据 2.4 动力电池实验特分析 2.4.1 动力电池的温度特 2.4.2 动力电池的能衰退特 2.4.3 动力电池的寿命特 2.5 本章小结第3章 动力电池建模理论 3.1 电化学模型 3.1.1 模型介绍 3.1.2 模型构建 3.1.3 参数辨识 3.1.4 算例分析 3.2 等效电路模型 3.2.1 模型介绍 3.2.2 模型构建 3.2.3 参数辨识 3.2.4 算例分析 3.3 分数阶模型 3.3.1 模型介绍 3.3.2 模型构建 3.3.3 参数辨识 3.3.4 算例分析 3.4 多模型融合 3.4.1 模型融合 3.4.2 神经网络融合方法 3.4.3 算例分析 3.5 本章小结第4章 动力电池状态估计 4.1 动力电池SOC估计 4.1.1 SOC估计方法分类 4.1.2 基于模型的SOC估计方法 4.1.3 基于EKF算法的SOC估计方法 4.1.4 基于AEKF算法的SOC估计方法 4.1.5 基于HIF算法的SOC估计方法 4.1.6 基于集员估计算法的SOC估计方法 4.2 动力电池SOH估计 4.2.1 SOH估计方法分类 4.2.2 基于SOC估计值的可用容量估计方法 4.2.3 基于响应面的可用容量估计方法 4.2.4 基于ICA/DVA的SOH估计方法 4.3 动力电池SOC-SOH协同估计 4.3.1 问题描述 4.3.2 基于MAEKF的协同估计方法 4.3.3 基于MHIF的协同估计方法 4.4 动力电池SOP预测 4.4.1 持续SOP预测方法 4.4.2 典型瞬时SOP预测方法 4.4.3 动力电池SOC与SOP联合估计方法 4.4.4 SOP评价方法介绍 4.5 本章小结第5章 动力电池系统管理 5.1 动力电池系统成组分析 5.1.1 动力电池组的“扫帚”现象 5.1.2 串联与并联动力电池组 5.1.3 典型混联动力电池组能分析 5.2 动力电池组均衡管理 5.2.1 动力电池被动均衡拓扑 5.2.2 动力电池主动均衡拓扑 5.2.3 动力电池均衡策略 5.3 动力电池组建模与状态估计 5.3.1 电池组的不一致分析 5.3.2 动力电池筛选方法 5.3.3 动力电池组系统建模 5.3.4 基于特征电池单体的动力电池组状态估计 5.3.5 基于差异的动力电池组状态估计 5.4 本章小结第6章 动力电池剩余寿命预测 6.1 剩余寿命预测的概述 6.1.1 问题描述 6.1.2 方法分类 6.1.3 概率分布 6.2 基于Box-Cox变换的剩余寿命预测 6.2.1 Box-Cox变换技术 6.2.2 应用流程 6.2.3 算例分析 6.3 基于长短时记忆循环神经网络的剩余寿命预测 6.3.1 长短时记忆循环神经网络 6.3.2 应用流程 6.3.3 算例分析 6.4 本章小结第7章 动力电池故障诊断 7.1 动力电池系统故障类型 7.1.1 动力电池及部件故障 7.1.2 传感器故障 7.1.3 执行器故障 7.2 故障诊断方法分类 7.2.1 基于电池模型的方法 7.2.2 基于信号分析的方法 7.2.3 基于数据驱动的方法 7.2.4 基于统计分析的方法 7.2.5 其他方法 7.3 动力电池系统传感器故障诊断及故障容错 7.3.1 基于电池模型的故障检测、隔离和辨识方法 7.3.2 传感器故障容错控制及多状态估计校正 7.3.3 算例分析 7.4 本章小结第8章 动力电池低温加热 8.1 动力电池低温加热方法分类 8.1.1 外部加热法 8.1.2 内部加热法 8.2 交流加热方法 8.2.1 锂离子动力电池生热机理 8.2.2 交流加热机理 8.2.3 自适应梯度加热方法 8.2.4 自适应梯度加热实例 8.3 复合加热方法 8.3.1 复合加热原理 8.3.2 复合加热实验流程 8.3.3 复合加热实例 8.4 本章小结第9章 动力电池优化充电 9.1 恒流和恒压充电方法 9.1.1 恒流充电 9.1.2 恒压充电 9.1.3 恒流恒压充电 9.1.4 多阶恒流充电 9.1.5 脉冲充电 9.2 交流充电方法 9.3 基于模型的优化充电方法 9.3.1 基于等效电路模型的方法 9.3.2 基于电化学模型的方法 9.3.3 应用算例 9.4 快速充电方法 9.5 本章小结第10章 算法开发、评估与测试 10.1 算法开发流程 10.1.1 算法开发的程 10.1.2 基于模型的“V”开发流程 10.2 系统设计与仿真辅助软件 10.2.1 软体框架 10.2.2 软能 10.2.3 算例分析 10.3 快速原型仿真测试 10.3.1 系统构成 10.3.2 算法集成 10.3.3 算例分析 10.4 硬件在环算法测试 10.4.1 系统构成 10.4.2 算法集成 10.4.3 测试评价 10.5 实车实验验证 10.5.1 转鼓实验台测试 10.5.2 实际道路测试 10.6 本章小结第11章 新一代动力电池管理系统展望 11.1 新一代动力电池管理系统概述 11.2 车-云协同架构 11.3 新一代动力电池管理系统核心技术 11.3.1 传感器技术 11.3.2 动力电池系统精细化热管理技术 11.3.3 电池主动管理技术 11.3.4 全寿命周期管理技术 11.3.5 区块链技术 11.3.6 数字孪生技术 11.4 本章小结参考文献