声明
致谢
1 引言
1.1 研究背景及意义
1.2 国内外研究现状
1.3 论文研究重点及组织结构
2 动车组蓄电池寿命预测相关技术研究
2.1 动车组蓄电池性能相关理论
2.1.1 蓄电池分类及专业术语
2.1.2 蓄电池寿命衰退原理
2.1.3 动车组蓄电池健康因子
2.2 寿命预测算法基础理论
2.2.1 PHM技术
2.2.2 经典预测算法
2.2.3 算法比较与选择
2.3 本章小结
3 基于RVM的蓄电池容量预测算法及改进
3.1 RVM基本理论
3.1.1 标准RVM预测模型
3.1.2 混合核函数改进的RVM
3.2 布谷鸟搜索算法
3.2.1 标准布谷鸟搜索算法
3.2.2 改进的混沌布谷鸟动态搜索算法
3.3 基于改进布谷鸟搜索的混合核相关向量机预测模型
3.3.1 ICS-HKRVM预测流程
3.3.2 ICS-HKRVM算法实验验证
3.4 本章小结
4 基于改进RVM算法的蓄电池在线寿命趋势预测
4.1 在线预测需求分析
4.1.1 趋势性需求
4.1.2 精确性需求
4.1.3 经济性需求
4.2 增量学习理论
4.2.1 增量学习思想
4.2.2 增量学习与在线学习的关系
4.2.3 基于ICS-HKRVM的增量学习策略
4.3 时间序列相空间重构
4.3.1 相空间重构方法
4.3.2 蓄电池容量数据相空间重构
4.4 蓄电池在线寿命趋势预测的实现
4.4.1 在线学习ICS-HKIRVM的预测流程
4.4.2 在线学习ICS-HKIRVM实验验证
4.5 本章小结
5 动车组蓄电池寿命预测应用
5.1 动车组蓄电池寿命预测实验目标及环境
5.1.1 动车组蓄电池寿命预测实验目标
5.1.2 动车组蓄电池寿命预测实验环境
5.2 动车组蓄电池实验数据分析及预处理
5.2.1 动车组蓄电池实验数据分析
5.2.2 动车组蓄电池实验数据预处理
5.3 动车组蓄电池在线容量估计
5.4 动车组蓄电池在线寿命趋势预测
5.5 本章小结
6 总结与展望
6.1 工作总结
6.2 工作展望
参考文献
作者简历及攻读硕士学位期间取得的研究成果
独创性声明
学位论文数据集
北京交通大学;