锂离子电池退化状态识别与寿命预测方法研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第1章 绪论 | 第9-16页 |
| 1.1 课题背景及研究的目的和意义 | 第9-11页 |
| 1.2 课题相关方法国内外研究现状 | 第11-15页 |
| 1.2.1 锂离子电池退化状态识别方法研究现状 | 第11-12页 |
| 1.2.2 锂离子电池寿命预测方法研究现状 | 第12-15页 |
| 1.3 本文主要结构与研究内容 | 第15-16页 |
| 第2章 锂离子电池的仿真建模 | 第16-34页 |
| 2.1 引言 | 第16页 |
| 2.2 锂离子电池工作原理及退化过程分析 | 第16-22页 |
| 2.2.1 锂离子电池工作原理 | 第17-18页 |
| 2.2.2 锂离子电池主要参数 | 第18-20页 |
| 2.2.3 锂离子电池退化过程分析 | 第20-22页 |
| 2.3 等效电路模型 | 第22-25页 |
| 2.3.1 等效电路模型分类 | 第22-24页 |
| 2.3.2 等效电路模型参数辨识 | 第24-25页 |
| 2.4 锂离子电池电化学模型仿真 | 第25-33页 |
| 2.4.1 锂离子电池充放电模型及仿真结果 | 第26-28页 |
| 2.4.2 锂离子电池容量衰退模型及仿真结果 | 第28-33页 |
| 2.5 本章小结 | 第33-34页 |
| 第3章 锂离子电池退化状态识别 | 第34-52页 |
| 3.1 引言 | 第34页 |
| 3.2 锂离子电池退化状态特征提取 | 第34-38页 |
| 3.2.1 电池计算内阻 | 第35-36页 |
| 3.2.2 放电电压样本熵 | 第36-37页 |
| 3.2.3 等压降放电时间 | 第37-38页 |
| 3.2.4 等间隔放电时间序列 | 第38页 |
| 3.3 基于递归神经网络的健康因子构建 | 第38-41页 |
| 3.3.1 递归神经网络模型 | 第39-40页 |
| 3.3.2 健康因子构建 | 第40-41页 |
| 3.4 数据验证与评估 | 第41-51页 |
| 3.4.1 数据来源 | 第41-42页 |
| 3.4.2 数据验证与健康因子评估 | 第42-51页 |
| 3.5 本章小结 | 第51-52页 |
| 第4章 锂离子电池寿命预测方法研究 | 第52-69页 |
| 4.1 引言 | 第52页 |
| 4.2 基于时间序列模型的锂离子电池剩余寿命预测 | 第52-58页 |
| 4.2.1 ARMA时间序列模型 | 第52-54页 |
| 4.2.2 实验数据分析 | 第54-58页 |
| 4.3 基于粒子滤波的锂离子电池剩余寿命预测 | 第58-68页 |
| 4.3.1 粒子滤波法原理 | 第58-63页 |
| 4.3.2 经验退化模型 | 第63-65页 |
| 4.3.3 实验数据分析 | 第65-68页 |
| 4.4 本章小结 | 第68-69页 |
| 结论 | 第69-71页 |
| 参考文献 | 第71-76页 |
| 致谢 | 第76页 |
