🔋 SOH 健康度评估从入门到精通

30 章 · 体系化目录

SOH基础概念

电池健康度定义、SOH与SOC的区别、物理意义与工程价值

电池老化机理

日历老化与循环老化、正负极材料衰退、SEI膜增长

SOH关键参数

容量衰减、内阻增加、功率衰退、OCV曲线漂移

数据采集与预处理

传感器标定、数据清洗、异常值检测、时间戳对齐

特征工程 (上)

恒流充电时间、恒压容量、放电平台、ICA特征

特征工程 (下)

DVA特征、EIS特征、温度导数、循环数特征

传统SOH估算方法

安时积分法、开路电压法、内阻法、经验模型

等效电路模型(ECM)

一阶/二阶RC、参数辨识(最小二乘)、模型验证

卡尔曼滤波入门

状态空间、预测更新、卡尔曼增益、一维示例

扩展卡尔曼滤波(EKF)

非线性线性化、雅可比矩阵、EKF在SOH中的应用

无迹卡尔曼滤波(UKF)

无迹变换、Sigma点、UKF与EKF对比

粒子滤波(PF)

序贯重要性采样、重采样、非高斯优势

机器学习基础

回归/分类、过拟合、数据划分、交叉验证

线性回归与岭回归

多元线性、正则化、L2范数、SOH线性模型

支持向量回归(SVR)

核函数、软间隔、SOH调参技巧

决策树与随机森林

CART树、Bagging、特征重要性

梯度提升树(GBDT/XGBoost)

Boosting原理、XGBoost参数、SOH实战

神经网络入门

感知机、激活函数、损失函数、反向传播

深度神经网络(DNN)

结构设计、Dropout、BatchNorm、时序建模

循环神经网络(RNN)

序列建模、梯度消失/爆炸、简单RNN

长短期记忆网络(LSTM)

遗忘门/输入门/输出门、退化序列应用

门控循环单元(GRU)

GRU结构、与LSTM对比、轻量化部署

注意力机制与Transformer

自注意力、多头注意力、位置编码、时序新范式

物理信息神经网络(PINN)、ECM+数据驱动、多模型集成

迁移学习与域适应

源域与目标域、微调策略、跨电池/跨工况迁移

联邦学习与隐私保护

横向/纵向联邦、差分隐私、BMS云端协同

模型评估与验证

RMSE、MAE、R²、最大误差、鲁棒性测试

模型部署与边缘计算

量化(INT8/FP16)、TensorRT/ONNX、嵌入式BMS

SOH实战项目 (上)

数据集(NASA/牛津)、加载可视化、特征构建

SOH实战项目 (下)

模型训练调优、结果对比、报告与看板