| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第14-25页 |
| 1.1 课题研究背景及意义 | 第14-15页 |
| 1.2 国内外研究现状 | 第15-20页 |
| 1.2.1 卫星锂离子电池健康状态诊断研究现状 | 第16-19页 |
| 1.2.2 卫星镍氢电池故障诊断研究现状 | 第19-20页 |
| 1.3 电池管理系统 | 第20-22页 |
| 1.4 卫星电池健康状态诊断方法 | 第22-23页 |
| 1.5 本文的研究内容与结构安排 | 第23-25页 |
| 第2章 基于SVR-PF的卫星锂离子电池健康状态诊断方法 | 第25-59页 |
| 2.1 引言 | 第25-26页 |
| 2.2 卫星锂离子电池工作与衰退原理 | 第26-28页 |
| 2.3 算法介绍 | 第28-33页 |
| 2.3.1 粒子滤波 | 第28-31页 |
| 2.3.2 SVR-PF | 第31-33页 |
| 2.4 基于SVR-PF的卫星锂离子电池健康状态诊断模型建立与健康状态变量辨识 | 第33-44页 |
| 2.4.1 实测卫星锂离子电池数据 | 第33-35页 |
| 2.4.2 基于SVR-PF的阻抗衰退模型及阻抗衰退参数辨识 | 第35-40页 |
| 2.4.3 基于SVR-PF的电池容量-阻抗关系模型及关系参数辨识 | 第40-44页 |
| 2.5 基于SVR-PF的卫星锂离子电池RUL预测模型 | 第44-46页 |
| 2.6 仿真实例 | 第46-57页 |
| 2.6.1 阻抗平滑实例 | 第47-49页 |
| 2.6.2 RUL预测 | 第49-53页 |
| 2.6.3 RUL预测门限对方法的影响 | 第53-55页 |
| 2.6.4 较高温度实测数据对方法的影响 | 第55-57页 |
| 2.7 本章小结 | 第57-59页 |
| 第3章 基于SVR-PF的卫星锂离子电池健康状态诊断的一种次优方法 | 第59-80页 |
| 3.1 引言 | 第59页 |
| 3.2 基于SVR-PF的卫星锂离子电池容量衰退模型与容量衰退参数辨识 | 第59-65页 |
| 3.2.1 卫星锂离子电池性能衰退测试平台与实测数据 | 第60-62页 |
| 3.2.2 基于SVR-PF的容量衰退模型与容量衰退参数辨识 | 第62-65页 |
| 3.3 基于SVR-PF的卫星锂离子电池RUL预测模型 | 第65-67页 |
| 3.4 仿真实例 | 第67-79页 |
| 3.4.1 对电池 1、电池2和电池3容量数据的仿真结果 | 第67-73页 |
| 3.4.2 与第2章提出的RUL预测方法的对比 | 第73-79页 |
| 3.5 本章小结 | 第79-80页 |
| 第4章 基于DS数据融合与SVR-PF的卫星锂离子电池RUL组合预测方法 | 第80-94页 |
| 4.1 引言 | 第80页 |
| 4.2 DS数据融合理论 | 第80-81页 |
| 4.3 基于DS数据融合与SVR-PF的卫星锂离子电池RUL组合预测方法 | 第81-89页 |
| 4.3.1 DS数据融合在卫星锂离子电池RUL预测中的应用 | 第81-83页 |
| 4.3.2 基于DS数据融合与SVR-PF的组合卫星锂离子电池RUL预测 . 70 4.3.3 基于DS数据融合与SVR-PF的组合RUL预测模型 | 第83-89页 |
| 4.4 仿真实例 | 第89-93页 |
| 4.5 本章小结 | 第93-94页 |
| 第5章 基于改进ANN与SVR的卫星电池健康状态诊断方法 | 第94-121页 |
| 5.1 引言 | 第94页 |
| 5.2 卫星镍氢电池工作原理与衰退机制 | 第94-97页 |
| 5.3 实测卫星镍氢电池数据 | 第97-100页 |
| 5.3.1 实测压强数据 | 第97-99页 |
| 5.3.2 实测电压数据 | 第99-100页 |
| 5.4 基于改进自回归人工神经网络的卫星电池健康状态诊断 | 第100-113页 |
| 5.4.1 常规自回归神经网络 | 第100-101页 |
| 5.4.2 基于赤池信息准则的改进遗传算法 | 第101-102页 |
| 5.4.3 基于AIC-GA与小波变换的改进自回归神经网络 | 第102-106页 |
| 5.4.4 基于AIC-GA小波神经网络的卫星电池健康状态诊断 | 第106-107页 |
| 5.4.5 仿真实例 | 第107-110页 |
| 5.4.6 与第4章方法对卫星锂离子电池RUL预测结果对比 | 第110-113页 |
| 5.5 基于改进量子粒子群算法与混合核函数SVR的卫星电池健康状态诊断 | 第113-120页 |
| 5.5.1 支持向量回归机 | 第113-115页 |
| 5.5.2 基于混合核函数的改进SVR | 第115-116页 |
| 5.5.3 基于改进的QPSO对混合核函数SVR的参数优化 | 第116-118页 |
| 5.5.4 仿真实例 | 第118-120页 |
| 5.6 本章小结 | 第120-121页 |
| 结论 | 第121-123页 |
| 参考文献 | 第123-137页 |
| 攻读博士学位期间发表的论文 | 第137-139页 |
| 致谢 | 第139-140页 |
| 个人简历 | 第140页 |
