| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 注释表 | 第11-12页 |
| 第一章 绪论 | 第12-21页 |
| 1.1 课题研究背景及意义 | 第12-13页 |
| 1.2 电池健康状态研究现状 | 第13-15页 |
| 1.2.1 电池健康状态概述 | 第13页 |
| 1.2.2 电池健康状态研究现状 | 第13-15页 |
| 1.3 电池剩余使用寿命研究现状 | 第15-19页 |
| 1.3.1 电池剩余使用寿命概述 | 第15-16页 |
| 1.3.2 电池剩余使用寿命研究现状 | 第16-19页 |
| 1.4 本文主要研究内容及章节安排 | 第19-21页 |
| 第二章 锂离子电池基本特性和老化因素分析 | 第21-31页 |
| 2.1 引言 | 第21页 |
| 2.2 锂离子电池基本特性 | 第21-24页 |
| 2.2.1 锂离子电池组成与结构 | 第21-22页 |
| 2.2.2 锂离子电池工作原理 | 第22页 |
| 2.2.3 锂离子电池性能参数 | 第22-23页 |
| 2.2.4 锂离子电池特点 | 第23-24页 |
| 2.3 锂离子电池老化因素分析 | 第24-30页 |
| 2.3.1 电池实验数据获取 | 第24-27页 |
| 2.3.2 放电电流对电池老化的影响 | 第27-28页 |
| 2.3.3 使用环境温度对电池老化的影响 | 第28-29页 |
| 2.3.4 循环次数对电池老化的影响 | 第29-30页 |
| 2.4 本章小结 | 第30-31页 |
| 第三章 锂离子电池健康状态在线估计方法的研究 | 第31-46页 |
| 3.1 引言 | 第31页 |
| 3.2 锂离子电池建模方法 | 第31-34页 |
| 3.2.1 BP神经网络算法原理 | 第32页 |
| 3.2.2 基于BP神经网络算法电池建模 | 第32-34页 |
| 3.3 基于双平方根容积卡尔曼滤波算法的电池在线健康状态估计 | 第34-41页 |
| 3.3.1 安时积分法 | 第35页 |
| 3.3.2 双平方根容积卡尔曼滤波算法原理 | 第35-38页 |
| 3.3.3 双平方根容积卡尔曼滤波器的设计 | 第38-41页 |
| 3.4 实验结果与分析 | 第41-45页 |
| 3.4.1 BP神经网络模型离线训练 | 第41-42页 |
| 3.4.2 BP神经网络模型在线更新 | 第42-43页 |
| 3.4.3 SOC、SOH估计 | 第43-45页 |
| 3.5 本章小结 | 第45-46页 |
| 第四章 锂离子电池剩余使用寿命预测方法的研究 | 第46-63页 |
| 4.1 引言 | 第46页 |
| 4.2 维纳过程模型描述和电池寿命表征方式 | 第46-48页 |
| 4.2.1 维纳过程模型描述 | 第46-47页 |
| 4.2.2 电池寿命表征方式 | 第47-48页 |
| 4.3 基于线性维纳退化过程的电池可靠性评估方法 | 第48-52页 |
| 4.3.1 基于线性维纳退化过程建模 | 第48页 |
| 4.3.2 基于最大似然法的模型参数估计和电池可靠性评估 | 第48-49页 |
| 4.3.3 实验结果与分析 | 第49-52页 |
| 4.4 基于随机效应维纳退化过程的电池剩余使用寿命预测 | 第52-62页 |
| 4.4.1 基于随机效应的维纳退化过程建模 | 第52-53页 |
| 4.4.2 随机效应约束下寿命分布函数的推导 | 第53-54页 |
| 4.4.3 剩余寿命分布函数 | 第54-55页 |
| 4.4.4 基于EM算法的模型参数估计 | 第55-57页 |
| 4.4.5 实验结果与分析 | 第57-62页 |
| 4.5 本章小结 | 第62-63页 |
| 第五章 工作总结与展望 | 第63-65页 |
| 5.1 研究工作总结 | 第63页 |
| 5.2 存在问题和后续工作展望 | 第63-65页 |
| 参考文献 | 第65-70页 |
| 致谢 | 第70-71页 |
| 在学期间的研究成果及发表的学术论文 | 第71页 |
