《表1 模型参数：基于IBOA-PF的锂电池健康状态预测》
提示：宽带有限、当前游客访问压缩模式
用改进高斯牛顿法对B0006号电池的容量、SOH、TI模型进行参数拟合，得到的各参数见表1。
| 图表编号 | XD00190676800 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2021.03.05 |
| 作者 | 李鹏、李立伟、杨玉新 |
| 绘制单位 | 青岛大学图书馆 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表1 SVR参数最优解：基于CS-SVR模型的锂离子电池SOH预测》2020.10.25
- 《表1 车辆运营数据参数：基于GBDT模型预测锂离子电池容量衰减》2020.10.01
- 《表2 电池误差分析结果：基于深度学习的铅酸电池健康状态估计》2021.02.25
- 《表2 参数计算结果：基于内阻增加和容量衰减双重标定的锂电池健康状态评估》2021.03.05
- 《表1 参数辨识结果：基于内阻增加和容量衰减双重标定的锂电池健康状态评估》2021.03.05
- 《表2 两电池间接健康因子预测模型性能评价》2020.06.28
- 《表1 参数辨识个数比较：电动汽车动力电池健康状态在线估算方法》2020.04.01
- 《表2 不同算法训练结果：基于电池外特征的粒子群神经网络电池健康状态预测》2019.12.28
- 《表1 部分实验数据：基于电池外特征的粒子群神经网络电池健康状态预测》2019.12.28
- 《表1 引风机的相关参数：基于改进ARMA预测模型的电厂风机状态预测》2019.12.01
- 《表4 SOH估计结果：基于支持向量回归的锂电池健康状态估计》2019.12.01
- 《表2 部分样本数据：基于支持向量回归的锂电池健康状态估计》2019.12.01
- 《表1 电池基本参数：基于支持向量回归的锂电池健康状态估计》2019.12.01
- 《表1 实验对象性能参数：基于短时搁置端电压压降的快速锂离子电池健康状态预测》2019.10.10
- 《表3 平均误差统计：基于短时搁置端电压压降的快速锂离子电池健康状态预测》2019.10.10
- 《表2 误差统计：基于短时搁置端电压压降的快速锂离子电池健康状态预测》2019.10.10
- 《表1 仿真参数：基于电池健康状态的多目标自适应均衡控制策略研究》2019.09.08
- 《表2 复合模型参数：基于自适应无迹卡尔曼滤波的动力电池健康状态检测及梯次利用研究》2019.09.25
- 《表2 工步编辑：基于AMEsim的锂电池健康状态估计模型实验研究》2019.05.01
- 《表1 船模主要参数：基于模型预测扩展卡尔曼滤波的动力定位状态估计》2019.07.25