幫助中心 | 我的帳號 | 關於我們
進階搜尋
car

同類熱銷排行榜

最近瀏覽的商品

鋰離子電池健康狀態預測(基於數據驅動的車輛集群服務)/動力電池與儲能技術叢書

  • 作者：(德)弗里德里希·馮·布洛|責編:劉星寧//閭洪慶|譯者:方彥彥//余章龍//沈雪玲//苗澤青//王樹慶等
  • 出版社：機械工業
  • ISBN：9787111801245
  • 出版日期：2026/02/01
  • 裝幀：平裝
  • 頁數：187
人民幣：RMB 109 元      售價：元
放入購物車
加入收藏夾
內容大鋼
    鑒於現有方法的局限性，本書提出了一種針對電動汽車實際運行中鋰離子電池（LIB）系統的健康狀態（SOH）預測方法。該方法基於直方圖特徵，能夠有效捕捉到在複雜實際運行環境下比恆定且受控的實驗室條件更高的運行變異性。此外，本書還深入探討了訓練有素的機器學習模型在不同鋰離子電池類型及運行環境中的可遷移性。所提出的SOH預測方法可通過網頁或智能手機App以雲服務的形式提供給車輛集群管理者，助力他們精準預測併合理規劃車輛更換，從而優化車輛集群運營效率。
    本書適合動力電池、電池管理系統等研發技術人員及車輛集群管理者閱讀參考，也適合作為電動汽車、電氣工程等專業的教學參考書。
作者介紹
(德)弗里德里希·馮·布洛|責編:劉星寧//閭洪慶|譯者:方彥彥//余章龍//沈雪玲//苗澤青//王樹慶等
    弗里德里希·馮·布洛（Friedrich von Bulow）曾於亞琛工業大學（RWTH Aachen University）攻讀機械工程與自動化工程專業。他在伍珀塔爾大學（BUW）數字轉型技術與管理研究所（TMDT）完成博士論文，同時在汽車行業擔任數據科學家，特別關注時間序列數據分析及機器學習應用。
目錄
前言
致謝
背景
縮略語表
第1章  引言
  1.1  研究的意義
  1.2  研究的問題
  1.3  本書的結構
第2章  理論背景
  2.1  鋰離子電池
    2.1.1  鋰離子電池單體的工作原理及組成部分
    2.1.2  電池表徵及運行參數
    2.1.3  健康狀態與剩餘使用壽命
    2.1.4  鋰離子電池單體老化機理
    2.1.5  電池組
    2.1.6  電池運行情況
  2.2  回歸問題的監督式機器學習
    2.2.1  人工神經網路
    2.2.2  特徵縮放
    2.2.3  超參數調優
    2.2.4  回歸問題的度量指標
    2.2.5  遷移學習
第3章  鋰離子電池健康狀況預測研究
  3.1  健康狀態估計、預測與預報
  3.2  健康狀態預測與剩餘使用壽命預測
  3.3  健康狀態預測中的場景
  3.4  電池模型遷移
  3.5  模型關鍵標準
第4章  相關工作
  4.1  篩選方法
  4.2  健康狀態預測模型
    4.2.1  無未來負載信息的模型
    4.2.2  包含未來負載信息的模型
  4.3  電池模型的遷移學習
  4.4  相關工作中的不足
第5章  數據
  5.1  實驗室電池單體數據集
    5.1.1  斯坦福電池數據集
    5.1.2  亞琛工業大學ISEA循環老化數據集
    5.1.3  NASA隨機電池使用數據集
    5.1.4  牛津退化數據集
  5.2  真實世界電池電動汽車系統數據集
第6章  電池單體健康狀態預測
  6.1  方法
    6.1.1  應力源提取
    6.1.2  信號選擇的決策
    6.1.3  機器學習回歸模型
  6.2  實驗設計
  6.3  結果
  6.4  總結及對研究問題的貢獻

第7章  電池單體健康狀態預測的遷移
  7.1  方法
    7.1.1  如何遷移：逐層凍結
    7.1.2  何時遷移：數據可用性
    7.1.3  基準測試
    7.1.4  數據
  7.2  實驗設計
  7.3  結果
  7.4  總結及對研究問題的貢獻
第8章  電池系統健康狀態預測
  8.1  方法
    8.1.1  健康狀態預測
    8.1.2  應力源數據
  8.2  實驗設計
    8.2.1  基於直方圖的特徵
    8.2.2  可訪問特徵
    8.2.3  常規設置
  8.3  結果
    8.3.1  基於直方圖的特徵
    8.3.2  可訪問特徵
  8.4  用例
  8.5  總結及對研究問題的貢獻
第9章  技術實現的概念
  9.1  BEV集群
  9.2  車輛集群利益相關者的角色
  9.3  最新技術：車輛集群管理
  9.4  製造商的車輛集群管理理念
    9.4.1  機器層
    9.4.2  車輛集群運營商層
    9.4.3  製造商層
    9.4.4  數據存儲與機器學習模型訓練
第10章  局限性與展望
  10.1  方法
  10.2  未來數據
  10.3  電池系統
  10.4  進一步的學習範式
第11章  結論
附錄
  附錄A  電池
  附錄B  機器學習
  附錄C  相關工作
  附錄D  數據
  附錄E  單體預測
  附錄F  系統預測
  附錄G  技術實現
參考文獻

  • 商品搜索：
  • | 高級搜索
首頁│ 新手上路│ 客服中心│ 關於我們│ 聯絡我們│ Top↑│
Copyrightc 1999~2008 美商天龍國際圖書股份有限公司 臺灣分公司. All rights reserved.
營業地址:臺北市中正區重慶南路一段103號1F 105號1F-2F
讀者服務部電話：02-2381-2033 02-2381-1863　時間：週一-週五 10:00-17:00
　服務信箱：bookuu@69book.com 客戶、意見信箱:cs@69book.com
ICP證：浙B2-20060032