熊 然，王顺利，于春梅，夏黎黎

（西南科技大学信息工程学院，四川 绵阳 621010）

21 世纪能源匮乏和环境污染是阻碍人类可持续发展的两座大山，发展清洁能源是改善能源结构、保障能源安全、推进生态文明建设的重要任务[1]。近年来，随着锂离子电池内部正负极、隔膜和电解液等材料的不断优化改进，工作性能高速发展，使得锂电池大量运用在新能源汽车、航空、分布式储能和特种机器人等领域[2]，锂电池是特种机器人的关键部件[3]。为避免因过度充电和放电而导致的安全问题，建立可持续监测锂离子电池状态的电池管理系统(battery management system，BMS)十分必要[4-5]。精确估算电池的SOC 能有效防止电池过充和过放，延长电池使用寿命[6]。精确估算锂离子电池SOC在BMS中起着至关重要的作用。构建等效模型可以针对电池动态特性进行分析，但由于锂电池内部结构复杂且时常表现出强烈的非线性特性，使得常规等效模型很难完整表征锂电池内部特性[7]。因此，建立合适的等效模型来分析锂离子电池内部动态工作特性，对于控制、监测锂离子电池性能具有重要的意义。

文献报道中常见的电池模型主要有电化学模型、人工神经网络模型及等效电路模型等[8-9]。目前国际上常用的电池SOC 估算方法有安时积分法、开路电压法、神经网络法、卡尔曼滤波法及相应的多种扩展形式的方法等，国内外对SOC 的估算方法也进行了不同优化和改进[10-11]。锂电池充放电过程是一个复杂的非线性过程，其SOC 估算精度在复杂工况条件下易受到外部环境的影响，且锂电池在使用过程中内部电化学反应复杂，常伴随有极化效应、欧姆效应等，难以用常规算法对其数学模型进行量化和分析[12]。……