陈 峥，李磊磊，舒 星，沈世全，刘永刚，申江卫

（1昆明理工大学交通工程学院，云南 昆明650500；2重庆大学汽车工程学院，重庆400044）

锂电池因具有能量密度高、循环寿命长、成本价格低、环保污染小等优点而成为目前电动汽车动力电池的最佳选择[1]。在实际应用中，由于电池内部锂离子的活性会逐渐下降，导致锂电池的可用容量会在使用过程中有所损失，直接影响其剩余使用寿命(remaining useful life，RUL)。因此，为高效利用锂离子电池，有效估计当前锂电池的剩余可用容量，进而时时诊断其健康状态(state of health，SOH)是电池管理系统(battery management system，BMS)的重要功能[2]。

当前，研究人员已提出多种估算方法来获得可用容量，主要分为基于贝叶斯的方法、经验拟合的方法和数据驱动算法等。基于贝叶斯的方法包含卡尔曼滤波以及粒子滤波及其他相关改进算法。文献[3]采用双扩展卡尔曼滤波算法同时获得模型参数和当前电池状态，但此方法在电池循环寿命后期表现不佳。针对这一问题，文献[4]采用自适应无迹卡尔曼滤波算法，通过更新噪声协方差矩阵实现了SOH和RUL的多步预测，提高了电池全寿命周期内的估计精度。文献[5]采用无迹粒子滤波来估计锂电池的RUL，实际估算相对误差小于5%。以上基于贝叶斯的方法利用闭环滤波算法来估计电池健康状态的关键参数，对建模误差和测量误差具有较强的鲁棒性，但是建模过程复杂，实际估算过程计算量较大[6]。

在采用各种滤波算法之外，经验拟合的方法也被用于锂电池的状态估计领域[7]。……