汽车动力电池健康状态预测方法研究(附件)
随着电动汽车的普及，本文研究了电动汽车的动力电池健康状态预测的方法，根据理论与实验数据结合，提出了几种预测方法模型。第一章揭示了当前社会与工业的研究背景，并解释了该研究的目的及意义，通过事实以论证当前新能源汽车的优势以及该研究领域的发展前景。并且介绍了当前国内外的研究现状。第二章介绍了电池健康状态SOH的定义，并给出多种SOH的定义公式，同时也提出了动力电池健康状态以及寿命的影响因素，并一一列出原因。第三章介绍了基于衰退模式下的健康状态预测方法，通过对动力电池放电曲线获取规律并通过ART2神经网络进行归类，最后通过马尔可夫链概率预测方法来完善整个预测方法。另一种方法则是通过最小二乘法来拟合多种数据，通过容量，电阻等从而得到拟合曲线来进行预测，并对以上两种方法进行比较。第四章主要针对数据处理以及优化，并通过算法对电池健康状态进行预测。关键词锂电池，健康状态预测，寿命，衰退，最小二乘法
目录
1 绪论 6
1.1课题研究背景及目的 6
1.2国内外研究现状 6
2电池寿命参数概述 7
2.1 SOH的定义 7
2.2影响电池健康状态的因素 8
2.2.1正极材料溶解 8
2.2.2过充电导致容量减少 8
2.2.3自放电过程 9
2.2.4集流体 9
3 电池健康状态预测方法研究 9
3.1电池寿命与健康状态 9
3.2衰退模式下的预测模型 9
3.3基于衰退模式下建立概率模型进行预测 11
3.3.1 ART2 神经网络 12
3.3.2衰退模式的分类 13
3.3.3数据统计概率分析法 14
3.3.4通过放电容量变化规律进行预测 16
3.3.5最小二乘法 17
4 实验与数据处理 18
4.1实验数据获取 18
4.2实验数据分析 21
4.3数据比对 24
4.3.1方法一：利用指数衰减函数拟合 24
4.3.2方法二：采用三次多项式拟合 25
4.3.3综合分析 26
5.对 *好棒文|www.hbsrm.com +Q: @351916072@
比总结 29
致谢 32
1 绪论
在工业革命的发展下，当今世界的工业水准也引发了资源稀缺和环境污染的问题。各国都因为资源紧张而开始研发新能源产品，哥本哈根气候会议的召开，使得大部分国家都提出了一系列的节能减排计划，这些计划的建立，使得新能源汽车可以在当今汽车市场分得一杯羹。由于我国人口基数众多，拥有世界瞩目的电动汽车的最大消费市场，电动汽车的发展与设计将会成为一个挑战性难题，尤其是汽车动力电池能源健康和寿命问题，成为了能源方向的科研人员研究的主要热点。
全世界都在提倡节约环保，节能减排，因此，电动汽车已陆续进入人们的家庭并改善生活。动力电池技术是研发和制造的重点，是电动汽车的核心内脏，其寿命与健康状态与电动汽车的性能息息相关。导致电池寿命发生恶化的因素有许多，其中绝大多数是外部因素，例如：电池电流、电池电压和电池温度。在这种需求下，国内外诸多研究人员提出并建立了很多动力寿命预测的模型。如何监控动力电池健康状态，以及预警动力电池的寿命，对于消费者来讲，可以预防很多因动力电池损坏而造成的不便及损失，对于人类社会而言，是科技的突破与进步，对世界各地倡导绿色出行、以及新能源汽车的发展都有里程碑式的意义。本文通过对动力电池的衰减机理建立不同的健康状态预测模型，并对预测方法进行了比对。
1.1课题研究背景及目的
现在人们享受着科技带来的便利和效率，同时也承受着这种资源的紧张和环境污染。缓解这一问题的一种方法是开发新能源并将其应用于汽车。电动汽车的动力性能直接由作为电动车辆的动力源的电池来决定。在动力电池的使用和储存过程中，其内部会发生很多很多无法控制的变化，因此，其性能便会衰减到最终寿命并结束。动力电池的高成本，导致诸多厂家对新能源汽车望而却步，主要原因是其性能和寿命直接影响到经济性。正确预测锂电池的健康状态和寿命是保障动力电池系统的可靠性的必要基础，动力电池的延命维护有非常重要的意义。因此，预测动力电池的健康状态与建立模型，为动力电池的安全提供保障，存在着重要意义。
1.2国内外研究现状
研究电池健康状态，主要是研究电极、电解液等在电池内部发生的变化，以及其容量和内阻的变化情况。一种针对电池循环的研究流程为：常温情况下，用正常的充电方法充电，再用正常电流放电，再重新充电，像这样不停的循环。在实验过程中，要不停的去记录参数，例如容量，内阻等，由此参数可以确定电池的衰退过程，并可绘制曲线。
因为实验的时间较长，在科学的手段控制范围内，我们可以通过一些特殊手段对实验过程加速，加速电池衰减，从而节约时间，也能更早的获得研究数据。
Takei 等人研究加速因子较早，实实在在的减少了实验所需要的时间。
Madeleine Ecke选择了新的影响因素作为加速因子，并提出了电池容量减少和内阻变大是SEI 造成的这样的观点。
Ramadass 等所创建的模型以内部老化机理为突破口，认为影响老化的重要因素是因为内部活性物质的减少以及 SEI 膜的阻抗的增多，从而导致放电电压下降。通过实验获得 SOC 和SEI 膜阻抗作为数据，建立模型，并对电池的健康状态进行预测。但此模型依旧有许多不足之处。
Gang 等对Ramadass 模型提出了优化，并提出了截止电压和放电深度对健康状态的影响，实验结果表明，这些副作用导致了电池内部活性丧失。
孟祥峰通过实验获得了电池的衰退数据，并用该数据预测电池衰退情况和走势，从而预测电池的健康状态。并且提出此组数据符合威布尔分布形式，在威布尔分布形式的基础下，建立起来的电池健康状态预测模型，再一次进行实验评估，从而验证了这个模型的精度，误差较小。
黎火林通过加速因子来进行加速实验，提出影响电池健康状态的主要因素和放电电流和环境温度有关，并建立模型，对电池健康状态进行预测。
目录
1 绪论 6
1.1课题研究背景及目的 6
1.2国内外研究现状 6
2电池寿命参数概述 7
2.1 SOH的定义 7
2.2影响电池健康状态的因素 8
2.2.1正极材料溶解 8
2.2.2过充电导致容量减少 8
2.2.3自放电过程 9
2.2.4集流体 9
3 电池健康状态预测方法研究 9
3.1电池寿命与健康状态 9
3.2衰退模式下的预测模型 9
3.3基于衰退模式下建立概率模型进行预测 11
3.3.1 ART2 神经网络 12
3.3.2衰退模式的分类 13
3.3.3数据统计概率分析法 14
3.3.4通过放电容量变化规律进行预测 16
3.3.5最小二乘法 17
4 实验与数据处理 18
4.1实验数据获取 18
4.2实验数据分析 21
4.3数据比对 24
4.3.1方法一：利用指数衰减函数拟合 24
4.3.2方法二：采用三次多项式拟合 25
4.3.3综合分析 26
5.对 *好棒文|www.hbsrm.com +Q: @351916072@
比总结 29
致谢 32
1 绪论
在工业革命的发展下，当今世界的工业水准也引发了资源稀缺和环境污染的问题。各国都因为资源紧张而开始研发新能源产品，哥本哈根气候会议的召开，使得大部分国家都提出了一系列的节能减排计划，这些计划的建立，使得新能源汽车可以在当今汽车市场分得一杯羹。由于我国人口基数众多，拥有世界瞩目的电动汽车的最大消费市场，电动汽车的发展与设计将会成为一个挑战性难题，尤其是汽车动力电池能源健康和寿命问题，成为了能源方向的科研人员研究的主要热点。
全世界都在提倡节约环保，节能减排，因此，电动汽车已陆续进入人们的家庭并改善生活。动力电池技术是研发和制造的重点，是电动汽车的核心内脏，其寿命与健康状态与电动汽车的性能息息相关。导致电池寿命发生恶化的因素有许多，其中绝大多数是外部因素，例如：电池电流、电池电压和电池温度。在这种需求下，国内外诸多研究人员提出并建立了很多动力寿命预测的模型。如何监控动力电池健康状态，以及预警动力电池的寿命，对于消费者来讲，可以预防很多因动力电池损坏而造成的不便及损失，对于人类社会而言，是科技的突破与进步，对世界各地倡导绿色出行、以及新能源汽车的发展都有里程碑式的意义。本文通过对动力电池的衰减机理建立不同的健康状态预测模型，并对预测方法进行了比对。
1.1课题研究背景及目的
现在人们享受着科技带来的便利和效率，同时也承受着这种资源的紧张和环境污染。缓解这一问题的一种方法是开发新能源并将其应用于汽车。电动汽车的动力性能直接由作为电动车辆的动力源的电池来决定。在动力电池的使用和储存过程中，其内部会发生很多很多无法控制的变化，因此，其性能便会衰减到最终寿命并结束。动力电池的高成本，导致诸多厂家对新能源汽车望而却步，主要原因是其性能和寿命直接影响到经济性。正确预测锂电池的健康状态和寿命是保障动力电池系统的可靠性的必要基础，动力电池的延命维护有非常重要的意义。因此，预测动力电池的健康状态与建立模型，为动力电池的安全提供保障，存在着重要意义。
1.2国内外研究现状
研究电池健康状态，主要是研究电极、电解液等在电池内部发生的变化，以及其容量和内阻的变化情况。一种针对电池循环的研究流程为：常温情况下，用正常的充电方法充电，再用正常电流放电，再重新充电，像这样不停的循环。在实验过程中，要不停的去记录参数，例如容量，内阻等，由此参数可以确定电池的衰退过程，并可绘制曲线。
因为实验的时间较长，在科学的手段控制范围内，我们可以通过一些特殊手段对实验过程加速，加速电池衰减，从而节约时间，也能更早的获得研究数据。
Takei 等人研究加速因子较早，实实在在的减少了实验所需要的时间。
Madeleine Ecke选择了新的影响因素作为加速因子，并提出了电池容量减少和内阻变大是SEI 造成的这样的观点。
Ramadass 等所创建的模型以内部老化机理为突破口，认为影响老化的重要因素是因为内部活性物质的减少以及 SEI 膜的阻抗的增多，从而导致放电电压下降。通过实验获得 SOC 和SEI 膜阻抗作为数据，建立模型，并对电池的健康状态进行预测。但此模型依旧有许多不足之处。
Gang 等对Ramadass 模型提出了优化，并提出了截止电压和放电深度对健康状态的影响，实验结果表明，这些副作用导致了电池内部活性丧失。
孟祥峰通过实验获得了电池的衰退数据，并用该数据预测电池衰退情况和走势，从而预测电池的健康状态。并且提出此组数据符合威布尔分布形式，在威布尔分布形式的基础下，建立起来的电池健康状态预测模型，再一次进行实验评估，从而验证了这个模型的精度，误差较小。
黎火林通过加速因子来进行加速实验，提出影响电池健康状态的主要因素和放电电流和环境温度有关，并建立模型，对电池健康状态进行预测。
版权保护: 本文由 hbsrm.com编辑，转载请保留链接: www.hbsrm.com/jxgc/qcgc/805.html
