| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 1 绪论 | 第13-21页 |
| 1.1 课题的背景及意义 | 第13-14页 |
| 1.2 国内外研究现状分析 | 第14-21页 |
| 1.2.1 基于模型的方法 | 第15-16页 |
| 1.2.2 基于数据的方法 | 第16-19页 |
| 1.2.3 融合模型法 | 第19-21页 |
| 2 预测方案选择 | 第21-33页 |
| 2.1 寿命特征参数选择 | 第21-25页 |
| 2.1.1 锂离子电池特性研究 | 第21-25页 |
| 2.1.1.1 锂离子电池结构 | 第21-22页 |
| 2.1.1.2 锂离子电池原理 | 第22-23页 |
| 2.1.1.3 锂离子电池的性能指标 | 第23-25页 |
| 2.2 锂离子电池寿命特征参数构建和间接预测 | 第25-27页 |
| 2.2.1 间接寿命特征参数的构建 | 第25-26页 |
| 2.2.2 间接寿命特征参数的验证 | 第26-27页 |
| 2.3 神经网络与寻优算法 | 第27-33页 |
| 2.3.1 极限学习机 | 第27-29页 |
| 2.3.2 GAAA中遗传算法设计 | 第29-31页 |
| 2.3.3 GAAA中蚁群算法设计 | 第31-33页 |
| 3 基于ELM的锂离子电池间接RUL预测 | 第33-43页 |
| 3.1 锂离子电池退化过程分析 | 第33-36页 |
| 3.1.1 锂离子电池RUL间接预测框架 | 第33-35页 |
| 3.1.2 锂离子电池试验数据 | 第35-36页 |
| 3.2 间接寿命特征参数的提取与评估 | 第36-41页 |
| 3.2.1 ELM神经网络RUL监测验证与评估 | 第38-41页 |
| 3.2.1.1 性能评估算法 | 第38页 |
| 3.2.1.2 数据验证实验结果 | 第38-41页 |
| 3.2.1.3 实验结果分析 | 第41页 |
| 3.3 本章小结 | 第41-43页 |
| 4 基于GAAA-ELM的锂离子电池RUL间接预测 | 第43-53页 |
| 4.1 最优权阈值ELM预测方法 | 第43-45页 |
| 4.1.1 极限学习机 | 第43-44页 |
| 4.1.2 基于GAAA的最优权阈值ELM预测 | 第44-45页 |
| 4.2 实验结果与分析 | 第45-51页 |
| 4.2.1 实验数据的获取 | 第45-46页 |
| 4.2.2 间接寿命特征参数 | 第46页 |
| 4.2.3 等压降放电时间预测实际容量的GAAA-ELM模型 | 第46-49页 |
| 4.2.4 等压降放电时间的GAAA-ELM预测模型 | 第49页 |
| 4.2.5 等压降放电时间预测锂离子电池RUL实验结果分析 | 第49-50页 |
| 4.2.6 实际容量预测锂电池RUL实验结果分析 | 第50-51页 |
| 4.3 本章小结 | 第51-53页 |
| 5 总结与展望 | 第53-55页 |
| 参考文献 | 第55-61页 |
| 致谢 | 第61-63页 |
| 作者简介及读研期间主要的科研成果 | 第63页 |
