| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7页 |
| 1 引言 | 第12-20页 |
| 1.1 课题研究背景及意义 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-18页 |
| 1.2.1 锂电池管理系统 | 第13-14页 |
| 1.2.2 锂电池剩余寿命预测 | 第14-16页 |
| 1.2.3 数据驱动方法发展趋势 | 第16页 |
| 1.2.4 高斯过程回归 | 第16-17页 |
| 1.2.5 稀疏高斯过程回归 | 第17-18页 |
| 1.3 论文结构及安排 | 第18-20页 |
| 2 锂电池剩余寿命及高斯过程回归理论 | 第20-32页 |
| 2.1 锂电池相关理论 | 第20-21页 |
| 2.1.1 锂电池工作原理 | 第20页 |
| 2.1.2 锂电池剩余寿命 | 第20-21页 |
| 2.2 锂电池RUL预测方法 | 第21-26页 |
| 2.2.1 模型驱动方法 | 第22页 |
| 2.2.2 数据驱动方法 | 第22-23页 |
| 2.2.3 预测方法总结与比较 | 第23-24页 |
| 2.2.4 锂电池RUL预测参数及获取 | 第24-26页 |
| 2.3 高斯过程理论 | 第26-27页 |
| 2.3.1 随机过程 | 第26-27页 |
| 2.3.2 高斯分布与高斯过程 | 第27页 |
| 2.4 高斯过程回归 | 第27-31页 |
| 2.4.1 高斯过程回归方法 | 第27-28页 |
| 2.4.2 核函数 | 第28页 |
| 2.4.3 预测 | 第28-29页 |
| 2.4.4 训练 | 第29-31页 |
| 2.5 本章小结 | 第31-32页 |
| 3 稀疏高斯过程回归 | 第32-40页 |
| 3.1 高斯过程回归的稀疏化 | 第32-33页 |
| 3.1.1 算法复杂度 | 第32-33页 |
| 3.1.2 高斯过程回归的稀疏化问题 | 第33页 |
| 3.2 稀疏高斯过程回归方法 | 第33-39页 |
| 3.2.1 数据子集近似法 | 第33页 |
| 3.2.2 Nystrom方法 | 第33-34页 |
| 3.2.3 回归量子集法 | 第34-35页 |
| 3.2.4 映射隐变量法 | 第35页 |
| 3.2.5 稀疏伪输入法 | 第35-36页 |
| 3.2.6 稀疏在线高斯过程回归方法 | 第36-37页 |
| 3.2.7 迭代高斯方法 | 第37-39页 |
| 3.2.8 稀疏方法时间复杂度总结 | 第39页 |
| 3.3 本章小结 | 第39-40页 |
| 4 两步高斯方法 | 第40-68页 |
| 4.1 诱导变量 | 第40页 |
| 4.2 两步高斯方法简述 | 第40-42页 |
| 4.3 提高预测速度 | 第42-47页 |
| 4.4 提高训练速度 | 第47-49页 |
| 4.5 诱导输入的选择 | 第49-51页 |
| 4.6 算法仿真验证 | 第51-58页 |
| 4.6.1 二维模型仿真 | 第51-55页 |
| 4.6.2 三维模型仿真 | 第55-58页 |
| 4.7 基于两步高斯方法的锂电池剩余寿命预测 | 第58-67页 |
| 4.7.1 锂电池实验数据 | 第58页 |
| 4.7.2 铿电池实验数据分析 | 第58-61页 |
| 4.7.3 锂电池剩余寿命预测(一) | 第61-63页 |
| 4.7.4 锂电池剩余寿命预测(二) | 第63-67页 |
| 4.8 本章小结 | 第67-68页 |
| 5 快速更新两步高斯方法 | 第68-80页 |
| 5.1 更新思想简述 | 第68-69页 |
| 5.2 高斯过程回归更新预测模型存在的问题 | 第69-70页 |
| 5.3 两步高斯方法更新预测模型存在的问题 | 第70-71页 |
| 5.4 快速更新两步高斯方法 | 第71-75页 |
| 5.5 算法仿真验证 | 第75-78页 |
| 5.5.1 二维模型仿真 | 第75-77页 |
| 5.5.2 三维模型仿真 | 第77-78页 |
| 5.6 基于快速更新两步高斯方法的锂电池剩余寿命预测 | 第78-79页 |
| 5.7 本章小结 | 第79-80页 |
| 6 结论 | 第80-82页 |
| 6.1 总结 | 第80-81页 |
| 6.2 展望 | 第81-82页 |
| 参考文献 | 第82-86页 |
| 作者简历及攻读硕士学位期间取得的研究成果 | 第86-90页 |
| 学位论文数据集 | 第90页 |