| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-17页 |
| 1.1 课题研究背景及意义 | 第9-10页 |
| 1.2 国内外发展状况 | 第10-15页 |
| 1.2.1 模型构建法 | 第11-12页 |
| 1.2.2 数据驱动法 | 第12-14页 |
| 1.2.3 融合技术法 | 第14-15页 |
| 1.3 论文主要研究内容 | 第15-17页 |
| 第2章 锂离子电池健康因子分析及提取 | 第17-29页 |
| 2.1 锂离子电池基本结构及工作原理 | 第17-18页 |
| 2.1.1 锂离子电池基本结构 | 第17页 |
| 2.1.2 锂离子电池工作原理 | 第17-18页 |
| 2.2 锂离子电池主要性能指标 | 第18-20页 |
| 2.3 锂离子电池数据集分析 | 第20-21页 |
| 2.4 锂离子电池健康因子提取 | 第21-28页 |
| 2.4.1 相关性分析 | 第21-22页 |
| 2.4.2 健康因子提取 | 第22-28页 |
| 2.5 本章小结 | 第28-29页 |
| 第3章 基于ALO-SVR的锂离子电池RUL预测 | 第29-41页 |
| 3.1 支持向量回归算法概述 | 第29-31页 |
| 3.2 蚁狮优化(ALO)算法原理 | 第31-33页 |
| 3.3 基于ALO-SVR的锂离电池RUL预测 | 第33-40页 |
| 3.3.1 基于ALO-SVR的锂离电池RUL预测步骤 | 第33-34页 |
| 3.3.2 锂离子电池RUL预测模型验证及结果分析 | 第34-40页 |
| 3.4 本章小结 | 第40-41页 |
| 第4章 基于IALO-SVR的锂离子电池RUL预测 | 第41-53页 |
| 4.1 改进蚁狮优化(IALO)算法 | 第41-44页 |
| 4.2 基于IALO-SVR的锂离电池RUL预测 | 第44-52页 |
| 4.2.1 基于IALO-SVR的锂离子电池RUL预测步骤 | 第44-45页 |
| 4.2.2 锂离子电池RUL预测模型验证及实验结果分析 | 第45-51页 |
| 4.2.3 预测模型参数分析 | 第51-52页 |
| 4.3 本章小结 | 第52-53页 |
| 第5章 工作总结与展望 | 第53-55页 |
| 5.1 工作总结 | 第53页 |
| 5.2 工作展望 | 第53-55页 |
| 参考文献 | 第55-61页 |
| 攻读硕士学位期间发表的学术论文 | 第61-64页 |
| 致谢 | 第64页 |
