🔋 电池循环老化 & SOH 预测
📘 实战课程 · 30章完整目录
🧑🎓
友好 · 活泼配色
01
课程导论
电池老化机理概述
SOH定义与重要性
课程目标与学习路径
02
锂离子电池基础
电化学原理
关键材料
电池工作特性
03
电池循环老化机理
SEI膜生长
锂枝晶
活性物质损失
内阻增加
04
SOH定义与量化
容量衰减定义
内阻增长定义
混合定义方法
行业标准
05
电池测试数据采集
充放电测试协议
工况循环测试
电化学阻抗谱EIS
06
数据预处理基础
数据清洗
异常值检测
缺失值处理
归一化与标准化
07
特征工程 (上)
电压曲线特征提取
dV/dQ
增量容量分析ICA
08
特征工程 (下)
温度特征
电流特征
时间特征
统计特征
09
经典SOH估算方法
安时积分法
开路电压法
内阻法
经验模型法
10
等效电路模型ECM
一阶RC模型
二阶RC模型
参数辨识(最小二乘法)
11
卡尔曼滤波入门
状态空间模型
标准卡尔曼滤波推导
Python实现
12
扩展卡尔曼滤波EKF
非线性系统处理
EKF算法流程
代码实战
13
粒子滤波PF入门
蒙特卡洛方法
重要性采样
重采样
PF与EKF对比
14
机器学习基础回顾
线性回归
岭回归
SVR
决策树
15
集成学习方法
随机森林
GBDT
XGBoost
LightGBM
16
深度学习入门
全连接DNN
激活函数
反向传播
PyTorch基础
17
RNN与LSTM
序列建模
LSTM门控机制
时间序列预测
18
CNN用于特征提取
1D-CNN
时间卷积网络TCN
19
注意力机制与Transformer
自注意力
多头注意力
时间序列应用
20
混合模型
CNN-LSTM
CNN-Transformer
集成模型策略
21
迁移学习在SOH预测
预训练模型
微调策略
域自适应
22
NASA数据集实战
数据加载
可视化
基线模型建立
23
CALCE数据集实战
多条件老化分析
模型泛化验证
24
特征选择与降维
皮尔逊相关系数
互信息
PCA
t-SNE
25
模型评估与验证
交叉验证
时间序列交叉验证
RMSE/MAE/R²
26
超参数调优
网格搜索
随机搜索
贝叶斯优化
Optuna实战
27
不确定性量化
蒙特卡洛Dropout
深度集成
预测区间构建
28
边缘部署与轻量化
模型剪枝
量化
ONNX导出
TensorRT部署
29
BMS系统集成
SOH模块设计
实时性要求
嵌入式实现注意事项
30
课程总结与前沿展望
数字孪生
联邦学习
下一代电池技术对SOH影响