动车组蓄电池寿命预测算法研究

目录

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