| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第1章 绪论 | 第10-21页 |
| 1.1 课题研究的背景及意义 | 第10-11页 |
| 1.2 国内外研究现状与分析 | 第11-19页 |
| 1.2.1 相关术语介绍 | 第12-13页 |
| 1.2.2 锂电池剩余使用寿命预测方法研究现状 | 第13-19页 |
| 1.3 论文的研究内容和结构 | 第19-21页 |
| 第2章 隐马尔可夫模型基本理论 | 第21-34页 |
| 2.1 引言 | 第21页 |
| 2.2 隐马尔可夫模型的定义 | 第21-23页 |
| 2.2.1 HMM的基本参数 | 第21-22页 |
| 2.2.2 HMM的基本结构 | 第22-23页 |
| 2.3 HMM的3个基本问题 | 第23-27页 |
| 2.3.1 评估问题 | 第24-25页 |
| 2.3.2 解码问题 | 第25-26页 |
| 2.3.3 训练问题 | 第26-27页 |
| 2.4 连续HMM | 第27-29页 |
| 2.5 CHMM的算法实现问题 | 第29-33页 |
| 2.5.1 数据下溢问题 | 第29-32页 |
| 2.5.2 多观测值训练问题 | 第32-33页 |
| 2.6 本章小结 | 第33-34页 |
| 第3章 基于HMM的锂电池退化状态识别 | 第34-44页 |
| 3.1 基于HMM的锂电池退化状态识别框架 | 第35-36页 |
| 3.2 数据来源与特征提取 | 第36-40页 |
| 3.2.1 数据预处理 | 第37-38页 |
| 3.2.2 特征提取 | 第38-40页 |
| 3.3 实验仿真 | 第40-43页 |
| 3.3.1 退化状态识别 | 第40-43页 |
| 3.3.2 对比实验 | 第43页 |
| 3.4 本章小结 | 第43-44页 |
| 第4章 基于粒子群优化的CHMM参数估计 | 第44-51页 |
| 4.1 粒子群优化算法 | 第44-45页 |
| 4.2 协方差参数化方法 | 第45-46页 |
| 4.3 粒子群优化的CHMM训练方法 | 第46-49页 |
| 4.3.1 粒子的编码机制 | 第46-47页 |
| 4.3.2 粒子群初始化 | 第47页 |
| 4.3.3 适应度函数 | 第47-48页 |
| 4.3.4 混合粒子群算法的CHMM模型优化 | 第48-49页 |
| 4.4 实验结果与分析 | 第49-50页 |
| 4.5 本章小结 | 第50-51页 |
| 第5章 基于融合型算法的锂电池剩余寿命预测 | 第51-70页 |
| 5.1 时间序列分析ARIMA模型 | 第51-56页 |
| 5.1.1 RIMA基本原理 | 第51-52页 |
| 5.1.2 数据预处理 | 第52页 |
| 5.1.3 AR模型参数估计 | 第52-54页 |
| 5.1.4 AR模型的阶数 | 第54-56页 |
| 5.2 基于ARIMA模型的锂电池RUL预测 | 第56-60页 |
| 5.2.1 基于ARIMA预测方法建立 | 第56-57页 |
| 5.2.2 锂电池RUL预测实验 | 第57-58页 |
| 5.2.3 基于改进型ARIMA模型的锂电池RUL预测 | 第58-60页 |
| 5.3 基于平方根容积卡尔曼滤波的锂电池RUL预测 | 第60-65页 |
| 5.3.1 SRCKF算法 | 第61-62页 |
| 5.3.2 基于SRCKF的锂离子电池RUL预测 | 第62-65页 |
| 5.4 基于融合型锂电池RUL预测 | 第65-69页 |
| 5.5 本章小结 | 第69-70页 |
| 结论 | 第70-71页 |
| 参考文献 | 第71-77页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第77-78页 |
| 致谢 | 第78页 |