| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 目录 | 第8-10页 |
| Contents | 第10-12页 |
| 第1章 绪论 | 第12-31页 |
| 1.1 课题背景及研究的目的和意义 | 第12-13页 |
| 1.2 锂离子电池剩余寿命预测研究现状 | 第13-29页 |
| 1.2.1 锂离子电池管理技术概述 | 第14-16页 |
| 1.2.2 锂离子电池RUL预测方法 | 第16-23页 |
| 1.2.3 锂离子电池退化状态识别方法 | 第23-26页 |
| 1.2.4 RUL预测的嵌入式计算 | 第26-28页 |
| 1.2.5 研究现状总结 | 第28-29页 |
| 1.3 本文的主要研究内容 | 第29-31页 |
| 第2章 锂离子电池剩余寿命直接预测方法研究 | 第31-64页 |
| 2.1 引言 | 第31-32页 |
| 2.2 相关向量机算法原理 | 第32-38页 |
| 2.2.1 相关向量回归 | 第32-33页 |
| 2.2.2 超参数优化 | 第33-34页 |
| 2.2.3 RVM训练算法 | 第34-38页 |
| 2.3 基于动态灰色相关向量机的锂离子电池RUL预测方法 | 第38-54页 |
| 2.3.1 RVM参数对预测结果的影响分析 | 第38-41页 |
| 2.3.2 动态灰色RVM锂离子电池RUL预测算法 | 第41-46页 |
| 2.3.3 实验验证与评估 | 第46-54页 |
| 2.4 基于增量相关向量机的锂离子电池RUL在线预测方法 | 第54-63页 |
| 2.4.1 在线预测算法分析 | 第55-56页 |
| 2.4.2 优化增量RVM锂离子电池RUL在线预测算法 | 第56-57页 |
| 2.4.3 实验验证与评估 | 第57-63页 |
| 2.5 本章小结 | 第63-64页 |
| 第3章 锂离子电池剩余寿命间接预测方法研究 | 第64-102页 |
| 3.1 引言 | 第64页 |
| 3.2 健康因子构建方法 | 第64-76页 |
| 3.2.1 锂离子电池性能退化状态分析 | 第64-67页 |
| 3.2.2 锂离子电池健康因子构建方法 | 第67-76页 |
| 3.3 健康因子实验验证与评估 | 第76-85页 |
| 3.3.1 实验设计 | 第76页 |
| 3.3.2 实验结果及分析 | 第76-85页 |
| 3.4 基于健康因子的锂离子电池RUL预测 | 第85-101页 |
| 3.4.1 RUL预测流程 | 第85-86页 |
| 3.4.2 基于NASA电池实验的验证与分析 | 第86-94页 |
| 3.4.3 基于CALCE电池实验的验证与分析 | 第94-101页 |
| 3.5 本章小结 | 第101-102页 |
| 第4章 嵌入式锂离子电池RUL预测系统研究 | 第102-125页 |
| 4.1 引言 | 第102页 |
| 4.2 嵌入式计算技术分析 | 第102-104页 |
| 4.3 嵌入式锂离子电池RUL预测方法 | 第104-119页 |
| 4.3.1 RVM算法计算流程分析 | 第105-106页 |
| 4.3.2 可重构计算模式分析 | 第106-107页 |
| 4.3.3 动态可重构RVM计算任务划分方法 | 第107-111页 |
| 4.3.4 动态可重构RVM预测算法的计算结构 | 第111-119页 |
| 4.4 系统性能测试与分析 | 第119-124页 |
| 4.4.1 RUL预测精度分析 | 第120-122页 |
| 4.4.2 计算效率分析 | 第122-123页 |
| 4.4.3 硬件计算资源消耗分析 | 第123-124页 |
| 4.5 本章小结 | 第124-125页 |
| 结论 | 第125-127页 |
| 参考文献 | 第127-140页 |
| 攻读博士学位期间发表的论文及其它成果 | 第140-143页 |
| 致谢 | 第143-144页 |
| 个人简历 | 第144页 |
