| 摘要 | 第4-5页 |
| abstract | 第5页 |
| 引言 | 第8-9页 |
| 第1章 绪论 | 第9-16页 |
| 1.1 课题研究背景和意义 | 第9-10页 |
| 1.2 电动汽车的电池组研究现状 | 第10-14页 |
| 1.2.1 电动汽车电池发展研究现状 | 第11页 |
| 1.2.2 电池健康状态估算方法研究现状 | 第11-13页 |
| 1.2.3 电动汽车电池分选研究现状 | 第13-14页 |
| 1.3 主要研究内容 | 第14-16页 |
| 第2章 锂离子电池模型的建立及分析 | 第16-32页 |
| 2.1 锂离子电池简述 | 第16-19页 |
| 2.1.1 锂离子电池的简述 | 第16-18页 |
| 2.1.2 锂离子电池组的简述 | 第18-19页 |
| 2.2 锂离子电池的RC模型建立 | 第19-24页 |
| 2.2.1 单体锂离子电池的RC模型建立 | 第19-22页 |
| 2.2.2 锂离子电池组的RC模型建立及分析 | 第22-24页 |
| 2.3 锂离子单体电池健康状态 | 第24-26页 |
| 2.3.1 锂离子单体电池健康状态下降的化学机理 | 第25页 |
| 2.3.2 影响锂离子电池健康状态的因素分析 | 第25-26页 |
| 2.4 锂离子电池的一致性分析 | 第26-31页 |
| 2.4.1 不一致性产生的原因及表现形式 | 第27-28页 |
| 2.4.2 不一致性的危害及改善方式 | 第28-31页 |
| 2.5 本章小结 | 第31-32页 |
| 第3章 锂离子电池充电电压曲线聚类 | 第32-45页 |
| 3.1 锂离子电池的分选方法简述 | 第32-34页 |
| 3.2 锂离子电池充电电压曲线相似度 | 第34-38页 |
| 3.2.1 相似度简介 | 第34-37页 |
| 3.2.2 锂离子电池电压曲线相似度定义 | 第37-38页 |
| 3.3 锂离子电池充电电压曲线聚类 | 第38-44页 |
| 3.3.1 聚类简介 | 第38-40页 |
| 3.3.2 实验数据集及采集数据预处理 | 第40-42页 |
| 3.3.3 基于减法聚类的充电电压曲线聚类 | 第42-44页 |
| 3.4 本章小结 | 第44-45页 |
| 第4章 基于Elman神经网络的锂离子电池分选 | 第45-52页 |
| 4.1 人工神经网络的基础 | 第45-48页 |
| 4.1.1 神经元模型 | 第45-46页 |
| 4.1.2 BP神经网络 | 第46-47页 |
| 4.1.3 Elman神经网络 | 第47-48页 |
| 4.2 基于Elman神经网络的锂电池分选 | 第48-51页 |
| 4.2.1 Elman神经网络学习样本的建立 | 第48-50页 |
| 4.2.2 Elman神经网络模型的建立及结果分析 | 第50-51页 |
| 4.3 本章小结 | 第51-52页 |
| 第5章 基于改进Elman神经网络的锂离子电池分选 | 第52-60页 |
| 5.1 遗传算法简介 | 第52-54页 |
| 5.2 基于改进Elman神经网络的锂电池分选 | 第54-57页 |
| 5.2.1 基于改进遗传算法的Elman神经网络模型 | 第54-55页 |
| 5.2.2 改进遗传算法优化Elman神经网络模型的建立 | 第55-57页 |
| 5.3 锂离子电池分选及结果分析 | 第57-59页 |
| 5.4 本章小结 | 第59-60页 |
| 结论 | 第60-61页 |
| 参考文献 | 第61-64页 |
| 致谢 | 第64-65页 |
| 导师简介 | 第65页 |
| 企业导师简介 | 第65-66页 |
| 作者简介 | 第66-67页 |
| 学位论文数据集 | 第67页 |
