第01章
SOC预测概述
什么是SOC · 为什么需要预测SOC · 挑战与意义
入门概念
第02章
电池基础与特性
锂电池工作原理 · 充放电曲线 · 温度/老化/倍率影响
基础电化学
第03章
数据采集与预处理
传感器采集 · 缺失值处理 · 异常检测 · 归一化与标准化
数据清洗
第04章
特征工程
电压/电流/温度特征 · 时间序列构造 · 特征选择
特征提取
第05章
机器学习基础回顾
监督/无监督 · 回归与分类 · MAE, RMSE, R²
理论评估
第06章
线性回归模型
一元/多元线性回归 · L1/L2正则化 · SOC应用与局限
回归正则化
第07章
决策树与随机森林
决策树原理 · 随机森林集成 · SOC实战案例
树模型集成
第08章
支持向量机 (SVM)
SVM回归原理 · 核函数选择 · 调参技巧
SVM核方法
第09章
K近邻算法 (KNN)
KNN回归原理 · 距离度量 · SOC预测表现
KNN非参数
第10章
神经网络入门
感知机 · 多层感知机(MLP) · 激活函数 · 损失函数
深度学习MLP
第11章
深度学习基础
RNN原理 · LSTM入门 · 序列建模
RNNLSTM
第12章
LSTM模型构建
LSTM单元详解 · 时间步与序列长度 · SOC优势
LSTM实战
第13章
数据准备与序列化
滑动窗口法 · 训练/验证/测试集划分
预处理序列
第14章
模型训练与调优
学习率 · 批量大小 · 早停法 · 模型保存/加载
调优训练
第15章
模型评估与对比
多模型性能对比 · 误差分析 · 泛化能力评估
评估对比
第16章
卡尔曼滤波入门
卡尔曼滤波原理 · 状态空间模型 · SOC估计应用
滤波状态估计
第17章
扩展卡尔曼滤波 (EKF)
非线性系统处理 · EKF在电池模型中的应用
EKF非线性
第18章
无迹卡尔曼滤波 (UKF)
UKF原理 · 与EKF对比 · SOC估计实战
UKF无迹
第19章
混合模型
机器学习+卡尔曼滤波融合 · 优势互补 · 案例研究
混合融合
第20章
迁移学习
迁移学习概念 · SOC预测场景 · 模型微调技巧
迁移微调
第21章
模型部署基础
模型导出(ONNX/TFLite) · 嵌入式部署要点
部署ONNX
第22章
实时SOC预测系统设计
系统架构 · 数据流设计 · 延迟与精度权衡
系统实时
第23章
电池老化与SOC预测
老化对SOC影响 · 自适应模型更新策略
老化自适应
第24章
温度补偿技术
温度对电池参数影响 · 补偿模型 · 实战案例
温度补偿
第25章
多节电池串联/并联场景
电池组SOC估计 · 不一致性处理 · 均衡策略
电池组均衡
第26章
异常检测与故障诊断
基于SOC的异常检测 · SOH关联
异常SOH
第27章
项目实战：LSTM系统
数据加载 · 模型训练 · 结果可视化
实战LSTM
第28章
项目实战：随机森林系统
特征重要性分析 · 模型解释性
实战随机森林
第29章
项目实战：EKF估计系统
状态方程设计 · 滤波参数调优
实战EKF
第30章
总结与展望
技术瓶颈 · 未来趋势 · 学习路径建议
总结趋势