基于神经网络动力电池性能评估
| 中文摘要 | 第1页 |
| 英文摘要 | 第3-6页 |
| 第一章 绪论 | 第6-14页 |
| ·引言 | 第6页 |
| ·动力电池类型 | 第6-7页 |
| ·本文研究对象 | 第7-9页 |
| ·课题背景 | 第9-11页 |
| ·现状与主要问题 | 第9页 |
| ·动力电池确定容量方法 | 第9-11页 |
| ·神经网络的概述 | 第11-12页 |
| ·神经网络功能特点 | 第11-12页 |
| ·神经网络应用 | 第12页 |
| ·本课题的研究内容 | 第12-14页 |
| 第二章 蓄电池的工作原理及其影响因素 | 第14-22页 |
| ·蓄电池的电池反应 | 第14页 |
| ·铅酸蓄电池化学反应特性 | 第14-15页 |
| ·电池的电动势计算 | 第15-17页 |
| ·蓄电池的容量及影响因素 | 第17-19页 |
| ·放电条件的影响 | 第17-18页 |
| ·温度 | 第18页 |
| ·终止电压 | 第18-19页 |
| ·设计参数的影响 | 第19页 |
| ·蓄电池的内阻 | 第19-20页 |
| ·小结 | 第20-22页 |
| 第三章 神经网络 | 第22-32页 |
| ·引言 | 第22页 |
| ·人工神经元模型 | 第22-23页 |
| ·神经元的传递函数 | 第23页 |
| ·神经网络模型 | 第23-26页 |
| ·神经网络分类 | 第23-24页 |
| ·人工神经元学习 | 第24-26页 |
| ·2.1 通用神经网络学习 | 第24页 |
| ·常用神经元的学习算法 | 第24-26页 |
| ·神经网络的学习 | 第26-30页 |
| ·BP 算法 | 第26-27页 |
| ·算法步骤 | 第27页 |
| ·BP 算法推导 | 第27-30页 |
| ·网络误差与权值调整 | 第27-29页 |
| ·BP 算法推导过程 | 第29-30页 |
| ·小结 | 第30-32页 |
| 第四章 神经网络预测剩余容量 | 第32-46页 |
| ·计算电池的内阻 | 第32-36页 |
| ·引言 | 第32-33页 |
| ·蓄电池经典模型分析 | 第33-34页 |
| ·计算内阻 | 第34-36页 |
| ·神经网络预测模型 | 第36-40页 |
| ·BP 神经网络 | 第36-37页 |
| ·数据准备 | 第37-40页 |
| ·改进预测网络 | 第40-42页 |
| ·网络优化, Hopfield 网络 | 第40-41页 |
| ·反馈网络的能量函数 | 第41页 |
| ·改进网络结构 | 第41页 |
| ·改进网络结构 | 第41-42页 |
| ·网络输入的改进 | 第42-43页 |
| ·初始容量的确定 | 第43-44页 |
| ·神经网络应用 | 第44-45页 |
| ·小结 | 第45-46页 |
| 第五章 结论与展望 | 第46-48页 |
| ·引言 | 第46页 |
| ·结论 | 第46-47页 |
| ·展望 | 第47-48页 |
| 参考文献 | 第48-51页 |
| 致谢 | 第51-52页 |
| 在学期间发表的学术论文和参加科研情况 | 第52页 |
