摘要 | 第4-5页 |
Abstract | 第5页 |
第1章 绪论 | 第9-16页 |
1.1 课题来源以及研究目的与意义 | 第9-10页 |
1.2 国内外研究现状 | 第10-14页 |
1.2.1 锂离子电池剩余寿命预测研究现状 | 第10页 |
1.2.2 基于数据驱动的剩余寿命预测研究现状 | 第10-12页 |
1.2.3 基于模型的剩余寿命预测研究现状 | 第12-13页 |
1.2.4 基于模型的剩余寿命预测研究现状分析 | 第13-14页 |
1.3 论文的主要研究内容及章节安排 | 第14-16页 |
第2章 锂离子电池容量退化建模 | 第16-26页 |
2.1 锂离子电池退化过程分析 | 第16-17页 |
2.2 基于模型驱动的锂离子电池剩余寿命预测方法 | 第17-18页 |
2.3 锂离子电池容量退化建模 | 第18-22页 |
2.3.1 健康因子提取 | 第19-20页 |
2.3.2 锂离子电池温度变化速率模型构建 | 第20-21页 |
2.3.3 锂离子电池温度差容量退化模型构建 | 第21-22页 |
2.4 锂离子电池容量退化模型验证以及选择 | 第22-25页 |
2.4.1 模型标价标准以及RUL预测评价标准 | 第22页 |
2.4.2 温度变化速率模型的验证以及选择 | 第22-23页 |
2.4.3 温度差模型的验证以及选择 | 第23-25页 |
2.5 本章小结 | 第25-26页 |
第3章 基于SVM的锂离子健康因子预测 | 第26-36页 |
3.1 健康因子数据分析 | 第26-27页 |
3.2 SVM方法 | 第27-31页 |
3.2.1 二分类支持向量机 | 第27-30页 |
3.2.2 支持向量回归机 | 第30-31页 |
3.3 基于SVM的健康因子预测方法 | 第31-35页 |
3.3.1 基于支持向量机的温度变化速率预测实验结果 | 第32-34页 |
3.3.2 基于支持向量机的温度差预测实验结果 | 第34-35页 |
3.4 本章小结 | 第35-36页 |
第4章 基于健康因子的锂离子电池RUL预测方法 | 第36-42页 |
4.1 线性回归方法 | 第36-37页 |
4.2 基于模型的锂离子电池剩余寿命线性回归预测算法 | 第37-38页 |
4.3 实验结果与分析 | 第38-41页 |
4.3.1 温度变化速率模型的RUL预测实验结果 | 第38-39页 |
4.3.2 温度差模型的锂离子电池剩余寿命预测结果 | 第39页 |
4.3.3 两个模型的锂离子电池剩余寿命预测结果比较 | 第39-41页 |
4.4 本章小结 | 第41-42页 |
第5章 锂离子电池剩余寿命预测优化 | 第42-61页 |
5.1 基于密度聚类的锂离子电池数据优化方法 | 第42-49页 |
5.1.1 K-Means聚类方法 | 第42-43页 |
5.1.2 基于密度的聚类方法 | 第43-44页 |
5.1.3 基于密度的K-Means聚类锂离子电池数据预处理方法 | 第44-45页 |
5.1.4 实验结果与分析 | 第45-46页 |
5.1.5 基于温度差模型的锂离子电池剩余寿命预测实验结果 | 第46-48页 |
5.1.6 基于密度的K-Means聚类方法对RUL预测的影响 | 第48-49页 |
5.2 基于集成学习的锂离子电池剩余寿命预测优化方法 | 第49-55页 |
5.2.1 Bagging方法 | 第49-50页 |
5.2.2 基于Bagging的锂离子电池剩余寿命预测方法 | 第50-51页 |
5.2.3 Adaboost算法的锂离子电池剩余寿命预测方法 | 第51-52页 |
5.2.4 Bagging方法实验结果与分析 | 第52-53页 |
5.2.5 Adaboost方法实验结果与分析 | 第53-54页 |
5.2.6 集成学习方法对锂离子电池剩余寿命预测的影响 | 第54-55页 |
5.3 基于加权线性回归算法的电池容量预测优化方法 | 第55-57页 |
5.3.1 基于加权线性回归的锂离子电池剩余寿命预测方法 | 第55页 |
5.3.2 实验结果与分析 | 第55-57页 |
5.3.3 加权线性回归方法对锂离子电池剩余寿命预测的影响 | 第57页 |
5.4 四种优化方法比较分析 | 第57-60页 |
5.4.1 四种优化方法预测实验结果比较分析 | 第57-59页 |
5.4.2 四种优化方法的时间复杂度比较分析 | 第59-60页 |
5.5 本章小结 | 第60-61页 |
结论 | 第61-62页 |
参考文献 | 第62-68页 |
攻读硕士学位论文期间发表的学术论文及其他成果 | 第68-70页 |
致谢 | 第70页 |