| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 1 绪论 | 第10-26页 |
| 1.1 研究背景与意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-22页 |
| 1.3 研究内容与组织结构 | 第22-26页 |
| 2 预备知识 | 第26-33页 |
| 2.1 标准交互多模型算法 | 第26-29页 |
| 2.2 支持向量回归机 | 第29-33页 |
| 3 基于交互多模型估计的制导律辨识 | 第33-51页 |
| 3.1 引言 | 第33-34页 |
| 3.2 基于扩展卡尔曼滤波的交互多模型算法 | 第34-35页 |
| 3.3 基于多模型估计的制导律辨识框架 | 第35-39页 |
| 3.4 仿真实验 | 第39-50页 |
| 3.5 本章小结 | 第50-51页 |
| 4 基于支持向量机参数优化的时间序列预测 | 第51-72页 |
| 4.1 引言 | 第51页 |
| 4.2 支持向量机的参数影响研究 | 第51-53页 |
| 4.3 基于鲸鱼算法的支持向量机时间序列预测 | 第53-60页 |
| 4.4 基于正弦余弦算法的支持向量机时间序列预测 | 第60-71页 |
| 4.5 本章小结 | 第71-72页 |
| 5 基于支持向量机的组合多步状态预测研究 | 第72-88页 |
| 5.1 引言 | 第72页 |
| 5.2 基于支持向量机和长短期记忆模型的多步状态预测 | 第72-80页 |
| 5.3 基于最小二乘支持向量机和经验模态分解的多步状态预测 | 第80-87页 |
| 5.4 本章小结 | 第87-88页 |
| 6 基于多模型估计和支持向量机的多步剩余寿命估计 | 第88-106页 |
| 6.1 引言 | 第88页 |
| 6.2 锂粒子电池容量的退化模型 | 第88-90页 |
| 6.3 基于粒子滤波的交互多模型估计算法 | 第90-93页 |
| 6.4 基于观测补偿的多步剩余寿命估计 | 第93-95页 |
| 6.5 仿真实验 | 第95-105页 |
| 6.6 本章小结 | 第105-106页 |
| 7 总结与展望 | 第106-109页 |
| 7.1 全文总结 | 第106-108页 |
| 7.2 研究展望 | 第108-109页 |
| 致谢 | 第109-110页 |
| 参考文献 | 第110-127页 |
| 附录1 攻读博士学位期间发表论文目录 | 第127-128页 |
| 附录2 公开发表的学术论文与博士学位论文的关系 | 第128-129页 |
| 附录3 攻读学位期间参加的科研项目 | 第129页 |