包邮锂离子电池剩余寿命预测方法

目录第1章 绪论 11.1 锂离子电池剩余寿命预测概述 11.2 锂离子电池剩余寿命预测方法研究进展 31.2.1 基于模型的锂离子电池剩余寿命预测方法 41.2.2 基于数据驱动的锂离子电池剩余寿命预测方法 61.2.3 基于融合的锂离子电池剩余寿命预测方法 10参考文献 12第2章 基于粒子滤波的锂离子电池剩余寿命预测 172.1 滤波算法的基本原理 182.1.1 标准PF算法 182.1.2 UKF算法 192.2 粒子滤波的改进 202.2.1 随机扰动重采样算法 202.2.2 随机扰动无迹粒子滤波算法 212.3 基于指数经验模型和改进粒子滤波的锂离子电池剩余寿命预测方法 232.3.1 锂离子电池的经验退化模型及其初始参数识别方法 232.3.2 方法的具体实现流程 242.3.3 仿真分析 252.4 本章小结 27参考文献 28第3章 基于支持向量机的锂离子电池剩余寿命预测 293.1 支持向量机概述 303.1.1 支持向量机原理 303.1.2 *小二乘支持向量机原理 313.2 粒子群优化*小二乘支持向量机 323.2.1 粒子群优化算法原理 333.2.2 粒子群优化的*小二乘支持向量机 343.3 基于融合间接健康因子与PSO-LS-SVM的锂离子电池剩余寿命预测方法 353.3.1 健康因子构建 363.3.2 方法的具体实施步骤 393.3.3 仿真分析 403.4 本章小结 43参考文献 43第4章 基于神经网络的锂离子电池剩余寿命预测 454.1 神经网络概述 454.1.1 极限学习机 454.1.2 广义回归神经网络 474.1.3 卷积神经网络 494.2 基于WOA优化ELM的锂离子电池剩余寿命预测方法 514.2.1 锂离子电池老化数据 514.2.2 WOA的基本原理 524.2.3 健康因子构建 534.2.4 方法的具体实施步骤 544.2.5 仿真分析 564.3 本章小结 60参考文献 61第5章 现场退化数据不足时的锂离子电池剩余寿命长期预测 635.1 问题分析 635.2 基于经验模型与LS-SVM的锂离子电池剩余寿命预测方法 645.2.1 健康因子构建 645.2.2 优化*小二乘支持向量机 675.2.3 方法的具体实施步骤 705.2.4 仿真分析 705.3 基于多步预测模型的锂离子电池剩余寿命预测方法 735.3.1 多步信息特征的健康因子构建 735.3.2 锂离子电池剩余寿命多步预测模型构建 805.3.3 仿真分析 855.4 本章小结 92参考文献 93第6章 容量再生下的锂离子电池剩余寿命预测 956.1 问题分析 956.2 基于多状态经验模型的锂离子电池剩余寿命预测方法 976.2.1 锂离子电池的多状态经验退化模型构建 976.2.2 基于粒子群优化的随机扰动无迹粒子滤波算法 1026.2.3 基于多状态退化模型和PSO-RP-UPE的锂离子电池剩余寿命预测方法 1036.2.4 仿真分析 1056.3 本章小结 111参考文献 111第7章 锂离子电池在不同充电策略下的剩余寿命预测 1137.1 问题分析 1137.2 基于放电电压平均变化速率的锂离子电池剩余寿命预测方法 1157.2.1 健康因子构建 1157.2.2 方法的具体实施步骤 1177.2.3 仿真分析 1197.3 本章小结 122参考文献 123第8章 不同放电策略下的锂离子电池剩余寿命预测 1248.1 问题分析 1248.2 基于EMD-GRNN-ARIMA的锂离子电池剩余寿命预测方法 1268.2.1 EMD算法 1268.2.2 基于EMD算法的直接健康因子构建 1278.2.3 方法的具体实施步骤 1298.2.4 仿真分析 1338.3 本章小结 136参考文献 137第9章 早期循环数据下的锂离子电池剩余寿命直接预测 1389.1 问题分析 1389.2 基于融合型HI与PCA-SV的锂离子电池剩余寿命直接预测方法 1409.2.1 基于融合型HI和PCA-SVR的锂离子电池剩余寿命预测模型 1409.2.2 锂离子电池老化数据集与健康因子 1429.2.3 锂离子电池剩余寿命预测结果与分析 1579.3 本章小结 163参考文献 164