| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 前言 | 第10-12页 |
| 1.1 锂离子电池的研究背景 | 第10页 |
| 1.2 本论文的研究思路及研究内容 | 第10-12页 |
| 第2章 文献综述 | 第12-26页 |
| 2.1 锂离子电池 | 第12-14页 |
| 2.2 锂离子电池的基本原理及各种性能参数计算方法 | 第14-16页 |
| 2.3 锂离子电池建模的发展历史 | 第16-21页 |
| 2.4 大孔结构 | 第21-23页 |
| 2.5 有效扩散系数及其估算方法 | 第23页 |
| 2.6 卷积神经网络 | 第23-26页 |
| 2.6.1 卷积神经网络的发展历史 | 第23-24页 |
| 2.6.2 卷积神经网络的基本结构 | 第24-26页 |
| 第3章 大孔结构电极的优化 | 第26-49页 |
| 3.1 石墨- LiCoO_2锂离子电池 | 第26-27页 |
| 3.2 大孔结构对锂离子电池内传递过程的影响 | 第27-29页 |
| 3.3 均匀电化学反应的假设 | 第29-30页 |
| 3.4 Newman模型的简化 | 第30-32页 |
| 3.4.1 薄膜电极中Newman模型的简化 | 第30-31页 |
| 3.4.2 大孔电极内Newman模型的简化 | 第31-32页 |
| 3.5 薄膜电极和大孔电极内有效浓差阻力的计算 | 第32-42页 |
| 3.5.1 薄膜电极内电解质浓度差的计算 | 第32页 |
| 3.5.2 通过一维模型进行大孔电极内有效浓差的计算 | 第32-33页 |
| 3.5.3 通过串并联模型进行大孔电极内有效浓差阻力的计算 | 第33-35页 |
| 3.5.4 通过半解析模型进行大孔结构电极内锂离子有效浓差的计算 | 第35-36页 |
| 3.5.5 通过解析模型进行大孔结构电极内锂离子有效浓差的计算[57] | 第36-42页 |
| 3.6 基于有效浓差阻力进行大孔结构参数的优化 | 第42-47页 |
| 3.6.1 一维简化模型与大孔结构电极 | 第42-43页 |
| 3.6.2 串并联模型以及大孔结构电极 | 第43-47页 |
| 3.7 本章小结 | 第47-49页 |
| 第4章 多级大孔结构电极的优化和设计 | 第49-57页 |
| 4.1 基于半解析模型和解析模型的多级大孔结构有效浓差阻力的推导 | 第49-53页 |
| 4.1.1 多级大孔结构和半解析模型 | 第50-51页 |
| 4.1.2 多级大孔结构和解析模型 | 第51-53页 |
| 4.2 多级大孔结构电极结构参数的优化 | 第53-54页 |
| 4.3 穿透型多孔支撑膜的设计 | 第54-55页 |
| 4.4 本章小结 | 第55-57页 |
| 第5章 基于卷积神经网络的多孔材料有效扩散系数的预测 | 第57-63页 |
| 5.1 数据集的生成 | 第57-59页 |
| 5.1.1 多孔材料微观结构的生成 | 第57-58页 |
| 5.1.2 多孔材料真实有效扩散系数的计算 | 第58-59页 |
| 5.2 卷积神经网络的基本结构及其训练 | 第59-60页 |
| 5.2.1 卷积神经网络基本结构 | 第59-60页 |
| 5.2.2 卷积神经网络的训练 | 第60页 |
| 5.3 模拟结果与讨论 | 第60-62页 |
| 5.4 本章小结 | 第62-63页 |
| 第6章 结论与展望 | 第63-64页 |
| 6.1 结论 | 第63页 |
| 6.2 展望 | 第63-64页 |
| 参考文献 | 第64-69页 |
| 致谢 | 第69-70页 |
| 附录 | 第70-72页 |
