01
锂电池基础与老化机理
工作原理 · 关键材料 · SEI膜增长 · 锂枝晶 · 活性物质损失 · 老化影响因素
机理SEI锂枝晶
02
老化数据采集与预处理
充放电循环测试 · 数据采集系统 · 清洗异常值 · 特征工程(电压/容量增量曲线)
数据清洗特征工程
03
经验老化模型
指数/幂律/多项式模型 · 最小二乘参数辨识 · 模型评估与对比
经验模型最小二乘
04
等效电路模型(ECM)与参数辨识
一阶/二阶RC · OCV标定 · HPPC测试 · 递推最小二乘RLS
ECMHPPCRLS
05
电化学模型(P2D/SPM)入门
P2D模型 · 单粒子模型SPM · 参数敏感性 · PyBaMM基础
P2DSPMPyBaMM
06
数据驱动方法(机器学习)
统计/频域特征 · 线性回归 · SVR · 随机森林 · XGBoost
SVRXGBoost特征提取
07
深度学习在SOH估计中的应用
RNN/LSTM · CNN · 注意力机制 · 迁移学习 · ONNX部署
LSTMCNNONNX
08
卡尔曼滤波与SOH估计
卡尔曼原理 · EKF · UKF · 双卡尔曼滤波(容量+内阻)
EKFUKF联合估计
09
粒子滤波与SOH估计
粒子滤波原理 · 重要性采样 · 重采样 · 粒子退化 · 对比卡尔曼
粒子滤波重采样
10
高斯过程回归(GPR)与不确定性量化
GPR原理 · 核函数 · 不确定性估计 · 主动学习
GPR不确定性
11
容量增量分析(ICA)与差分电压分析(DVA)
ICA/DVA原理 · 峰值提取 · 老化特征关联 · 实战案例
ICADVA
12
内阻估计与健康状态关联
直流内阻DCIR · 交流阻抗EIS · 内阻-SOH映射 · 在线估计
DCIREIS
13
电池循环寿命预测
循环寿命定义 · 加速老化 · Arrhenius · 逆幂律 · 预测区间
寿命预测Arrhenius
14
日历老化建模
日历老化机理 · 存储条件(温度/SOC) · 经验+半经验模型 · 耦合循环
日历老化存储
15
多尺度老化建模
电极/颗粒/电芯尺度 · 多物理场耦合 · 计算效率优化
多尺度耦合
16
电池一致性分析与筛选
不一致性来源 · 统计分析 · K-means/DBSCAN · 配组策略
聚类分选
17
BMS中的SOH算法
BMS架构 · 嵌入式实现 · 资源约束 · 实时性优化
BMS嵌入式
18
云端SOH估计与大数据平台
云平台架构 · 数据上传/存储 · Spark分布式 · OTA模型更新
云端SparkOTA
19
电池数字孪生
数字孪生概念 · 虚拟传感器 · 实时同步 · 特斯拉/宁德时代案例
数字孪生虚拟传感
20
SOH估计标准化与测试规范
ISO 12405 · IEC 62660 · UL 2580 · 测试流程与认证
标准认证
21
电池老化仿真工具(COMSOL/GT-Suite)
COMSOL电池模块 · GT-Suite电池库 · 参数化建模 · 仿真对比
COMSOLGT-Suite
22
Python老化数据分析实战(Pandas/NumPy)
数据加载探索 · 特征工程流水线 · Matplotlib/Seaborn · 自动化报告
Pandas可视化
23
PyTorch/LSTM实现SOH估计
序列构建 · 模型定义 · 训练验证 · 超参数调优 · 结果可视化
PyTorchLSTM
24
Scikit-learn机器学习SOH估计
PCA/互信息特征选择 · SVR/RF · 交叉验证 · SHAP解释
Scikit-learnSHAP
25
PyBaMM电化学模型仿真
PyBaMM安装入门 · 参数集配置 · 仿真运行 · 后处理 · 数据拟合
PyBaMM电化学
26
电池老化数据集实战(NASA/牛津/斯坦福)
数据集介绍 · 数据加载 · 预处理 · 基准模型复现
NASA牛津斯坦福
27
SOH估计模型部署(Flask/ONNX)
模型导出ONNX · Flask API · Docker容器化 · 边缘部署
FlaskONNXDocker
28
电池老化实验设计(DoE)
全因子设计 · 响应面法 · 正交实验 · 成本优化
DoE响应面
29
电池回收与梯次利用中的SOH评估
梯次利用场景 · 快速SOH筛查 · 安全评估 · 经济性分析
梯次利用回收
30
前沿趋势与未来展望
固态电池老化 · AI for Science · 自修复电池 · 联邦学习与隐私保护
固态电池联邦学习