机械工程学报

作者：吕沫含, 赵深, 高萧, 李晓宇

单位：河北工业大学机械工程学院 天津 300401

关键词：锂离子电池,健康状态估计,特征值提取,实车运行数据,卷积神经网络；

基金：国家重点研发计划资助项目(2023YFB4203000)。

为了实现新能源汽车管理系统的高效准确运行，动力电池健康状态(State of health, SOH)的精确评估至关重要。考虑到实车运行中存在环境温度等影响因素，提出一种考虑地域季节温度条件的数据驱动模型，用以提高动力电池系统SOH估计精度。首先，分析车辆常行驶地区冬季平均低温，将所研究车辆分为两组，并统计其充电行为，通过电流、电压、温度以及容量增量曲线等选择多个老化特征值，并通过相关系数法进行了筛选；随后，利用夏季和冬季的数据训练分别训练两个贝叶斯优化的卷积神经网络(Bayesian-optimized convolutional neural network, BCNN)模型，并用测试数据验证了这些模型的准确性；最后，将所提方法与基于长短时记忆神经网络(Long short-term memory neural network, LSTM)的估计方法进行比较，并据此提出模型耦合优化方案，以增强估计方法的适应性和广泛性。结果显示，耦合模型可以实现常行驶在冬季低温地区的车辆SOH估计误差不超过6%，而常行驶在温暖地区的车辆误差不超过2%。这表明所提出的耦合模型能够有效地提高不同地域季节温度条件下SOH估计的准确性。

来源：2026年第4期

《机械工程学报》期刊编辑部

查看机械工程学报杂志2026年第4期