航空铅酸蓄电池健康评估与管理系统软件研究
| 摘要 | 第1-7页 |
| Abstract | 第7-11页 |
| 第一章 绪论 | 第11-16页 |
| ·研究背景及研究意义 | 第11-13页 |
| ·研究背景 | 第11-12页 |
| ·研究意义 | 第12-13页 |
| ·国内外研究现状 | 第13页 |
| ·发展趋势 | 第13-14页 |
| ·本文的主要研究内容 | 第14-15页 |
| ·本章小结 | 第15-16页 |
| 第二章 铅酸蓄电池介绍 | 第16-21页 |
| ·工作原理 | 第16-17页 |
| ·基本概念 | 第17-18页 |
| ·影响铅酸蓄电池健康的因素 | 第18-20页 |
| ·内部因素 | 第18-19页 |
| ·外部因素 | 第19-20页 |
| ·本章小结 | 第20-21页 |
| 第三章 现有的铅酸蓄电池健康评估方法 | 第21-24页 |
| ·传统预测方法 | 第21-23页 |
| ·测量内阻(电导)法 | 第21页 |
| ·密度法 | 第21-22页 |
| ·安时(AH)法 | 第22页 |
| ·电压法 | 第22页 |
| ·满容量放电法 | 第22-23页 |
| ·智能预测方法 | 第23页 |
| ·模糊控制法 | 第23页 |
| ·神经网络法 | 第23页 |
| ·本章小结 | 第23-24页 |
| 第四章 改进的航空铅酸蓄电池健康状况评估方法 | 第24-47页 |
| ·样本属性选择与数据来源 | 第24-25页 |
| ·样本属性选择 | 第24页 |
| ·数据来源 | 第24-25页 |
| ·基于BP神经网络的航空铅酸蓄电池健康评估 | 第25-28页 |
| ·BP神经网络原理 | 第25-26页 |
| ·基于BP神经网络的航空铅酸蓄电池健康评估 | 第26-28页 |
| ·基于PNN的航空铅酸蓄电池健康状况评估 | 第28-32页 |
| ·PNN原理介绍 | 第28-31页 |
| ·基于PNN的航空铅酸蓄电池健康评估 | 第31-32页 |
| ·基于PSO-SVM的航空铅酸蓄电池健康评估 | 第32-46页 |
| ·支持向量机概述 | 第32-33页 |
| ·统计学习理论 | 第33-36页 |
| ·SVM分类算法原理介绍 | 第36-40页 |
| ·PSO算法基本原理 | 第40-43页 |
| ·PSO算法特点 | 第43页 |
| ·基于PSO-SVM的航空铅酸蓄电池健康评估 | 第43-46页 |
| ·三种健康评估方法分类预测性能对比 | 第46页 |
| ·本章小结 | 第46-47页 |
| 第五章 管理系统软件设计 | 第47-62页 |
| ·LabVIEW简介 | 第47-49页 |
| ·LabVIEW的特点 | 第48页 |
| ·LabVIEW的数据库访问方法介绍 | 第48-49页 |
| ·系统软件结构设计 | 第49-50页 |
| ·系统软件功能子模块的程序设计 | 第50-61页 |
| ·系统登陆界面 | 第50-51页 |
| ·系统主界面 | 第51页 |
| ·出入站模块 | 第51-57页 |
| ·数据分析模块 | 第57-59页 |
| ·充放电模块 | 第59-61页 |
| ·本章小结 | 第61-62页 |
| 结论 | 第62-64页 |
| 参考文献 | 第64-67页 |
| 攻读硕士学位期间取得的学术成果 | 第67-68页 |
| 致谢 | 第68页 |
