全文总字数:4844字
1. 研究目的与意义(文献综述)
1.1目的及意义
随着电动汽车行业的飞速发展,对锂离子电池寿命问题的研究成为近些年的热点。锂离子电池具有电压高、能量密度高、循环寿命长、自放电率低、工作温度范围大、无记忆效应和无污染等优点。但锂离子电池在长期的循环使用过程中,一个不可避免的问题是电池的性能和容量都会发生衰退,直到它的寿命结束。要对其退化的电池健康状态进行评估和剩余寿命预测,使得电池能够安全可靠地工作,以避免事故的发生。研究锂电池健康状态soh预测,对系统整体的安全性、稳定性和经济性具有重要意义。
1.2国内外研究现状
2. 研究的基本内容与方案
2.1 基本内容
数据驱动的三种方法
人工神经网络(artificial neural network,ann):ann的基本特性是非线性,适合模拟动力电池,且能达到较高的精度,但需大量的、全面的样本数据对模型进行训练,且估计误差在很大程度上受训练数据的影响。
3. 研究计划与安排
第1-3周:阅读相关文献,查阅国内外相关文献,了解锂电池健康状态预测内容,完成英文文献的翻译,完成开题报告。
第4-9周:学习matlab(或python)软件与支持向量回归原理,并在matlab(或python)上实现对svr模型训练与最优参数的确定。
第9-13周:完成论文的初稿。
4. 参考文献(12篇以上)
[1]周志兴,贾志学,雷治国.锂离子电池寿命研究综述[j].机电技术,2019,(3):117-120.
[2]陈翌,白云飞,何瑛.数据驱动的锂电池健康状态估算方法比较[j].储能科学与技术,2019,8(6):1204-1210.
[3]刘皓,胡明昕,朱一亨,等.基于遗传算法和支持向量回归的锂电池健康状态预测[j].南京理工大学学报,2018,42( 3) : 329-334.
课题毕业论文、开题报告、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。