代 毅，于天剑，成 庶，伍 珣，刘嘉文

（中南大学 交通运输工程学院，湖南 长沙 410075）

0 引言

镉镍蓄电池组是动车组关键设备之一，其作为动车组中直流辅助回路的电源，在动车组架线停电或辅助电源装置（auxiliary power unit，APU）出现故障时，将为照明、通信及紧急换气等系统提供电源。该蓄电池的可靠性涉及了动车组的行车安全，所以其检修十分严格。实际运用检修中，蓄电池更换返厂检修的依据为其运营里程数或使用年限。在使用过程中，一旦检测到蓄电池上述性能指标不符合标准IEC 60623:2017《含碱性或其他非酸性电解质的蓄电池和蓄电池组方形排气式镉镍单体蓄电池》，则会立即更换，而往往此时镉镍电池体仍有较大的余量可用，如果对其更换，毫无疑问会增加动车组的运营成本。因此，对动车组蓄电池寿命进行预测具有非常重要的意义。

蓄电池寿命预测技术在国内还处于研究阶段，尤其是碱性蓄电池的寿命预测技术更是缺乏。国内外相关的蓄电池预测方法大致可以分为模型驱动、数据驱动和混合方法3种。其中模型驱动是根据工作条件、制造材料和退化机理来建立退化模型，从而实现对蓄电池寿命的预测[1]。目前应用较多的有粒子滤波（particle filter, PF）[2-4]、无迹卡尔曼滤波（unscented Kalman filter，UKF）[5-6]和扩展卡尔曼滤波（extended Kalman filter, EKF）[7-8]等方法。模型驱动方法的预测精度依赖于模型的精确程度，而模型建立方法中的数据拟合又具有结构简单、精度较高的优点，且能够满足蓄电池非线性系统的要求。因此，本文在利用数据拟合建立蓄电池模型的基础上，采用模型驱动中两种不同的预测算法融合构成混合方法进行蓄电池寿命预测。……