周雅夫， 孙宵宵， 黄立建， 连 静

(1. 工业装备结构分析国家重点实验室(大连理工大学), 辽宁 大连 116024;2. 大连理工大学 运载工程与力学学部汽车工程学院， 辽宁 大连 116024)

随着环境污染与能源危机的不断加剧，电动汽车逐渐受到大众的关注. 锂离子电池具有能量密度高、循环寿命长、自放电率小等优点，被广泛应用于电动汽车领域[1-2]. 在电池管理系统中，如果不能准确估计电池的健康状态(SOH)，电池充放电控制就没有足够的参考依据，就不能保证电池容量的有效发挥，导致电池性能和寿命的降低.

通常情况下，锂离子电池的应用阶段主要分为两大梯度：第一梯度应用于电动汽车等电动装置中，健康状态区间为100%～80%；第二梯度中健康状态区间为80%～60%，此时电池的充放电性能不足以满足汽车行驶的要求，主要应用于电网和新能源发电等储能装置中[3]. 当电池容量降为原容量的60%后电池将失去其重要价值[4]，因此,在电池健康状态为100%～60%的全寿命周期内进行健康状态的高精度估计对于电池健康管理和故障预警至关重要，而目前大多数研究只对电池的第一梯度进行健康状态估计[5-8]. 锂离子电池健康状态的估计方法主要分为：实验法[9]、模型法[10-11]、数据驱动法[12]及融合法[13]. 其中，实验法需要特殊的实验设备或实验条件[14-15]；模型法中，电化学模型[16]具有结构复杂、计算量大的缺点，等效电路模型[17]往往计算精度不高，经验模型[18]的通用性一般较差；数据驱动法一般以锂离子电池的……