| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第8-24页 |
| 1.1 课题来源及研究的目的和意义 | 第8-9页 |
| 1.2 国内外研究现状及分析 | 第9-18页 |
| 1.2.1 BMS 发展现状及空间应用需求 | 第9-10页 |
| 1.2.2 预测与健康管理技术 | 第10-11页 |
| 1.2.3 锂离子电池剩余寿命预测方法研究现状 | 第11-16页 |
| 1.2.4 ATCI 锂离子电池剩余寿命预测研究体系 | 第16-18页 |
| 1.3 回声状态网络 | 第18-22页 |
| 1.3.1 回声状态网络数学模型 | 第18-21页 |
| 1.3.2 回声状态网络应用现状 | 第21-22页 |
| 1.4 本文的研究内容与结构 | 第22-24页 |
| 第2章 基于 ESN 的锂离子电池间接 RUL 预测 | 第24-43页 |
| 2.1 锂离子电池退化过程分析 | 第24-25页 |
| 2.2 锂离子电池健康因子构建和间接预测 | 第25-28页 |
| 2.2.1 健康因子构建 | 第25-27页 |
| 2.2.2 锂离子电池 RUL 间接预测框架 | 第27-28页 |
| 2.3 基于 ESN 的锂离子电池间接 RUL 预测方法 | 第28-30页 |
| 2.4 实验验证和分析 | 第30-42页 |
| 2.4.1 锂离子电池试验数据分析 | 第30-33页 |
| 2.4.2 间接健康因子提取与评估 | 第33-35页 |
| 2.4.3 RUL 预测验证与评估 | 第35-42页 |
| 2.5 本章小结 | 第42-43页 |
| 第3章 基于MONESN 的锂离子电池间接 RUL 预测 | 第43-60页 |
| 3.1 锂离子电池状态监测数据的单调关系 | 第43-44页 |
| 3.2 结合先验知识的单调函数逼近方法 | 第44-46页 |
| 3.3 单调回声状态网络（MONESN） | 第46-49页 |
| 3.3.1 MONESN 的数学结构 | 第47页 |
| 3.3.2 MONESN 的训练过程 | 第47-49页 |
| 3.4 基于 MONESN 的锂离子电池间接 RUL 预测方法 | 第49-59页 |
| 3.4.1 基于 MONESN 的锂离子电池间接 RUL 预测框架 | 第49-50页 |
| 3.4.2 算法验证与评估 | 第50-57页 |
| 3.4.3 MONESN 输出稳定性能分析 | 第57-59页 |
| 3.5 本章小结 | 第59-60页 |
| 第4章 基于集成模型的锂离子电池间接 RUL 预测 | 第60-79页 |
| 4.1 集成学习方法 | 第60-63页 |
| 4.1.1 集成学习方法定义 | 第60-61页 |
| 4.1.2 集成学习过程 | 第61-63页 |
| 4.2 基于 EnMONESN 的锂离子电池间接 RUL 预测方法 | 第63-77页 |
| 4.2.1 集成单调回声状态网络的建立 | 第63-66页 |
| 4.2.2 基于 EnMONESN 的锂离子电池间接 RUL 预测框架 | 第66-67页 |
| 4.2.3 算法验证与评估 | 第67-77页 |
| 4.3 本章小结 | 第77-79页 |
| 第5章 卫星锂离子电池剩余寿命预测软件 | 第79-100页 |
| 5.1 卫星锂离子电池剩余寿命预测软件功能概述 | 第79-81页 |
| 5.2 卫星锂离子电池剩余寿命预测软件详细设计 | 第81-92页 |
| 5.2.1 软件运行所需环境 | 第81页 |
| 5.2.2 原始数据显示模块 | 第81-84页 |
| 5.2.3 数据预处理模块 | 第84-87页 |
| 5.2.4 剩余寿命与截止电压预测模块 | 第87-92页 |
| 5.3 系统测试 | 第92-99页 |
| 5.3.1 系统测试方案 | 第92-93页 |
| 5.3.2 系统测试与结果分析 | 第93-99页 |
| 5.4 本章小结 | 第99-100页 |
| 结论 | 第100-101页 |
| 参考文献 | 第101-109页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第109-112页 |
| 致谢 | 第112页 |
