| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7页 |
| 序言 | 第8-11页 |
| 1 绪论 | 第11-16页 |
| 1.1 研究背景 | 第11-16页 |
| 1.1.1 电池行业发展概述 | 第11-14页 |
| 1.1.2 大数据时代的来临 | 第14-16页 |
| 2 平台搭建技术背景 | 第16-25页 |
| 2.1 PYTHON简介 | 第16-17页 |
| 2.1.1 Python语言特性 | 第16页 |
| 2.1.2 使用Python搭建在线/离线平台的优势 | 第16-17页 |
| 2.2 在线数据反馈控制平台软件包介绍 | 第17-21页 |
| 2.2.1 Html | 第17-18页 |
| 2.2.2 CSS | 第18页 |
| 2.2.3 JavaScript | 第18-19页 |
| 2.2.4 D3.js | 第19页 |
| 2.2.5 基于flask的web服务器 | 第19-20页 |
| 2.2.6 TCP网络编程 | 第20页 |
| 2.2.7 多线程编程 | 第20页 |
| 2.2.8 Json | 第20-21页 |
| 2.2.9 Wireshark与Rawcap网络数据帧分析工具 | 第21页 |
| 2.3 离线数据分析平台软件包介绍 | 第21-25页 |
| 2.3.1 Numpy | 第21-22页 |
| 2.3.2 Matplotlib | 第22页 |
| 2.3.3 Pandas | 第22-23页 |
| 2.3.4 Scikit-learn | 第23页 |
| 2.3.5 IPython | 第23-24页 |
| 2.3.6 Notebook | 第24-25页 |
| 3 在线/离线数据平台方案设计与开发 | 第25-40页 |
| 3.1 在线反馈控制平台 | 第25-33页 |
| 3.1.1 基于Html、CSS、JavaScript的图形界面 | 第26-27页 |
| 3.1.2 图形界面后端服务层 | 第27-29页 |
| 3.1.3 反馈函数服务层 | 第29-32页 |
| 3.1.4 硬件执行层 | 第32-33页 |
| 3.2 离线数据分析与挖掘平台 | 第33-39页 |
| 3.2.1 Python安装及配置技巧 | 第33页 |
| 3.2.2 使用pip安装程序依赖包方法 | 第33-34页 |
| 3.2.3 数据分析流程 | 第34-39页 |
| 3.3 本章小结 | 第39-40页 |
| 4 在线/离线数据平台在电池管理中的应用 | 第40-55页 |
| 4.1 在线数据平台的应用实验 | 第40-44页 |
| 4.1.1 平台环境的搭建与配置 | 第40-41页 |
| 4.1.2 实验运行实例 | 第41-44页 |
| 4.2 离线数据平台的应用 | 第44-54页 |
| 4.2.1 电动出租车数据分析 | 第44-47页 |
| 4.2.2 基于ICA曲线特征的电池容量估计模型建立 | 第47-54页 |
| 4.3 本章小结 | 第54-55页 |
| 5 总结与展望 | 第55-56页 |
| 参考文献 | 第56-58页 |
| 附录A | 第58-72页 |
| 作者简历及攻读硕士学位期间取得的研究成果 | 第72-74页 |
| 学位论文数据集 | 第74页 |
