VIP10
本课程属于：123-SOC SOH与电池状态估计 智能汽车与新能源汽车工程 · 共 10 门相关课程，组合学习更完整。
查看所属VIP全部课程 →
← 返回所属目录 咨询 / 购买

动力电池数据驱动健康预测工程

共计 30 章节
可可资料掘金营 · 点击在线试看
01
课程导入
目标=动力电池健康预测工程的学习目标 · 核心概念 · 整体框架与行业应用全景
课程导入目标=动力电池健…
02
动力电池基础
目标=电池工作原理 · 关键性能参数 · 老化机理与健康状态定义
动力电池基础目标=电池工作原…
03
健康预测工程概述
目标=数据驱动范式 · 预测性维护 · 工程化流程与典型挑战
健康预测工程概述目标=数据驱动范…
04
电池数据采集与传感技术
目标=电压 · 电流 · 温度
电池数据采集传感技术
05
电池测试与工况数据
目标=标准测试流程 · 动态工况 · 实验室与实车数据特点
电池测试工况数据
06
数据预处理与清洗
目标=异常值检测 · 缺失值处理 · 滤波降噪与数据对齐方法
数据预处理清洗
07
特征工程基础
目标=时域 · 频域 · 时频域特征提取与健康因子构建
特征工程基础目标=时域
08
特征选择与降维
目标=相关性分析 · 主成分分析 · 自编码器与特征重要性评估
特征选择降维
09
健康状态估计方法
目标=容量估计 · 内阻估计 · SOC与SOH联合估计思路
健康状态估计方法目标=容量估计
10
剩余使用寿命预测
目标=RUL定义 · 预测建模流程与评价指标
剩余使用寿命预测RUL
11
机器学习基础
目标=回归 · 分类 · 集成学习在电池健康预测中的应用
机器学习基础目标=回归
12
深度学习入门
目标=神经网络 · CNN · RNN
深度学习入门目标=神经网络
13
先进时序模型
目标=Transformer · 注意力机制 · 图神经网络与混合模型
先进时序模型Transformer
14
概率预测与不确定性量化
目标=贝叶斯方法 · 高斯过程 · 分位数回归与置信区间
概率预测不确定性量化
15
模型训练与验证
目标=数据集划分 · 交叉验证 · 超参数优化与防止过拟合
模型训练验证
16
模型评估与对比
目标=MAE · RMSE · MAPE
模型评估对比
17
在线学习与自适应更新
目标=增量学习 · 迁移学习与概念漂移处理
线学习自适应更新
18
电池组与系统级健康预测
目标=不一致性 · 均衡 · 热管理与Pack级SOH估计
电池组系统级健康预测
19
多源数据融合
目标=电 · 热 · 机械
多源数据融合目标=电
20
数字孪生与健康管理
目标=数字孪生架构 · 实时映射与预测性维护决策
数字孪生健康管理
21
工程化部署
目标=边缘计算 · 云平台 · 模型压缩与实时推理架构
工程化部署目标=边缘计算
22
数据管道与MLOps
目标=数据版本管理 · 模型注册 · 持续集成与持续部署
MLOps数据管道
23
案例实战一
目标=基于NASA数据集的电池SOH…
案例实战一NASA
24
案例实战二
目标=实车运行数据驱动的电池健康评估…
案例实战二目标=实车运行数…
25
案例实战三
目标=储能电站电池组健康预测与运维优…
案例实战三目标=储能电站电…
26
常见问题与陷阱
目标=数据泄漏 · 工况差异 · 标签噪声与模型泛化不足
常见问题陷阱
27
安全、隐私与合规
目标=数据安全 · 功能安全 · 隐私保护与行业标准
安全隐私
28
综合项目设计
目标=从需求分析 · 数据方案 · 建模到部署的完整项目实践
综合项目设计目标=从需求分析
29
前沿进展与趋势
目标=大模型 · 联邦学习 · 可解释AI在电池健康预测中的探索
前沿进展趋势
30
课程总结与提升
目标=知识体系回顾 · 能力自评 · 进阶学习路径与职业发展建议
课程总结提升