| 摘要 | 第4-5页 |
| abstract | 第5页 |
| 第一章 绪论 | 第8-14页 |
| 1.1 研究背景及意义 | 第8-10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.2.1 锂离子电池衰退机理的研究现状 | 第10页 |
| 1.2.2 锂离子电池寿命预测方法的研究现状 | 第10-12页 |
| 1.3 本文的研究内容 | 第12-14页 |
| 第二章 锂离子电池的特性研究 | 第14-21页 |
| 2.1 锂离子电池的结构 | 第14页 |
| 2.2 锂离子电池的工作原理 | 第14-15页 |
| 2.3 锂离子电池的电路模型 | 第15-18页 |
| 2.3.1 常用的等效电路模型 | 第16-17页 |
| 2.3.2 常用的仿真电路模型 | 第17-18页 |
| 2.4 锂离子电池的性能指标 | 第18-20页 |
| 2.5 本章小结 | 第20-21页 |
| 第三章 锂离子电池的衰退机制及寿命影响因素 | 第21-31页 |
| 3.1 锂离子电池的衰退机制 | 第21-26页 |
| 3.1.1 搁置时的衰退 | 第23-24页 |
| 3.1.2 循环使用时的衰退 | 第24页 |
| 3.1.3 充放电过程中的失效 | 第24-26页 |
| 3.2 外在使用因素对锂离子电池RUL的影响 | 第26-28页 |
| 3.2.1 使用温度对RUL的影响 | 第26-27页 |
| 3.2.2 放电倍率对RUL的影响 | 第27-28页 |
| 3.3 锂离子电池寿命预测实验 | 第28-30页 |
| 3.3.1 锂离子电池寿命预测的原理 | 第28-29页 |
| 3.3.2 锂离子电池寿命预测实验的过程 | 第29-30页 |
| 3.4 本章小结 | 第30-31页 |
| 第四章 锂离子电池RUL的常规预测方法 | 第31-46页 |
| 4.1 灰色预测模型 | 第31-33页 |
| 4.1.1 GM(1,1)模型的基本理论 | 第31-32页 |
| 4.1.2 预测结果与分析 | 第32-33页 |
| 4.2 BP神经网络 | 第33-38页 |
| 4.2.1 神经网络算法概述 | 第33页 |
| 4.2.2 BP神经网络基本原理 | 第33-36页 |
| 4.2.3 模型建立 | 第36页 |
| 4.2.4 预测结果与分析 | 第36-38页 |
| 4.3 ARMA模型 | 第38-44页 |
| 4.3.1 ARMA模型的基本形式 | 第39页 |
| 4.3.2 ARMA模型的相关性分析及识别 | 第39-41页 |
| 4.3.3 ARMA模型的参数估计 | 第41-42页 |
| 4.3.4 ARMA模型的预测 | 第42-44页 |
| 4.3.5 预测结果与分析 | 第44页 |
| 4.4 三种算法预测结果的对比与分析 | 第44-45页 |
| 4.5 本章小结 | 第45-46页 |
| 第五章 基于改进LS-SVM的RUL预测方法 | 第46-59页 |
| 5.1 最小二乘支持向量机回归算法 | 第46-48页 |
| 5.2 模糊信息粒化 | 第48-49页 |
| 5.3 粒子群优化算法 | 第49-54页 |
| 5.3.1 粒子群优化算法的概念 | 第49-51页 |
| 5.3.2 粒子群优化算法优化LS-SVM的参数 | 第51-52页 |
| 5.3.3 基于FIG-PSO-SVM的锂离子电池寿命预测模型 | 第52-54页 |
| 5.4 结果对比与分析 | 第54-58页 |
| 5.4.1 基于LS-SVM的预测结果 | 第54页 |
| 5.4.2 基于改进LS-SVM的预测结果 | 第54-57页 |
| 5.4.3 与常规算法预测结果对比 | 第57-58页 |
| 5.5 本章小结 | 第58-59页 |
| 第六章 总结与展望 | 第59-61页 |
| 6.1 本文工作总结 | 第59页 |
| 6.2 后续工作展望 | 第59-61页 |
| 参考文献 | 第61-65页 |
| 攻读学位期间所取得的相关科研成果 | 第65-66页 |
| 致谢 | 第66页 |