| 摘要 | 第4-5页 |
| abstract | 第5页 |
| 第一章 绪论 | 第12-21页 |
| 1.1 课题研究背景及意义 | 第12-13页 |
| 1.2 锂离子电池RUL预测研究现状 | 第13-18页 |
| 1.2.1 锂电池剩余使用寿命概述 | 第13-14页 |
| 1.2.2 锂电池使用寿命的影响因素 | 第14-15页 |
| 1.2.3 锂电池RUL预测方法分类及研究现状 | 第15-18页 |
| 1.3 锂离子电池RUL预测关键技术 | 第18-19页 |
| 1.4 本文主要研究内容及组织结构 | 第19-21页 |
| 第二章 锂离子电池特性及循环寿命实验分析 | 第21-36页 |
| 2.1 引言 | 第21页 |
| 2.2 锂离子电池基本特性 | 第21-24页 |
| 2.2.1 锂电池结构及工作原理 | 第21-22页 |
| 2.2.2 锂离子电池主要性能指标 | 第22-24页 |
| 2.3 锂离子电池循环寿命实验及数据分析 | 第24-35页 |
| 2.3.1 锂离子电池实验平台搭建 | 第24-26页 |
| 2.3.2 锂离子电池实验数据获取 | 第26-28页 |
| 2.3.3 锂离子电池性能测试 | 第28-31页 |
| 2.3.4 锂离子电池实验结果分析 | 第31-35页 |
| 2.4 本章小结 | 第35-36页 |
| 第三章 基于IPSO-SVR的锂离子电池剩余寿命预测 | 第36-54页 |
| 3.1 引言 | 第36-37页 |
| 3.2 IPSO-SVR基本理论 | 第37-43页 |
| 3.2.1 支持向量回归概述 | 第37-39页 |
| 3.2.2 序列最小优化算法原理 | 第39-41页 |
| 3.2.3 改进粒子群优化算法 | 第41-43页 |
| 3.3 锂电池剩余使用寿命预测算法实现 | 第43-45页 |
| 3.4 实验结果分析 | 第45-53页 |
| 3.4.1 锂离子电池实验数据 | 第45页 |
| 3.4.2 基于NASA数据的验证与结果分析 | 第45-50页 |
| 3.4.3 基于自主实验数据的验证与结果分析 | 第50-52页 |
| 3.4.4 模型最优参数分析 | 第52-53页 |
| 3.5 本章小结 | 第53-54页 |
| 第四章 基于GA-ELM的锂离子电池剩余寿命间接预测 | 第54-72页 |
| 4.1 引言 | 第54页 |
| 4.2 锂电池间接健康因子的构建 | 第54-58页 |
| 4.2.1 电池间接健康因子的提取 | 第55-56页 |
| 4.2.2 健康因子的评估 | 第56-57页 |
| 4.2.3 锂电池RUL间接预测框架 | 第57-58页 |
| 4.3 算法基本理论 | 第58-60页 |
| 4.3.1 极限学习机 | 第58-59页 |
| 4.3.2 遗传算法概述 | 第59-60页 |
| 4.4 GA优化的ELM算法及实现流程 | 第60-62页 |
| 4.5 实验结果分析 | 第62-71页 |
| 4.5.1 锂离子电池实验数据 | 第62-63页 |
| 4.5.2 性能评价 | 第63页 |
| 4.5.3 基于NASA数据的实验分析 | 第63-68页 |
| 4.5.4 基于自主实验数据的实验分析 | 第68-71页 |
| 4.6 文章小结 | 第71-72页 |
| 第五章 工作总结和展望 | 第72-74页 |
| 5.1 本文工作总结 | 第72页 |
| 5.2 后续工作展望 | 第72-74页 |
| 参考文献 | 第74-80页 |
| 致谢 | 第80-81页 |
| 在学期间的研究成果及发表的学术论文 | 第81页 |