机械工程学报

作者：欧阳天成, 汪成超, 叶今禄, 徐裴行, 张志强, 潘文军, 许恩永

单位：1. 广西大学机械工程学院 南宁 530004;2. 东南大学机械工程学院 南京 211189;3. 东风柳州汽车有限公司 柳州 545005

关键词：锂离子电池,模糊信息粒化,高斯过程回归,荷电状态,健康状态；

基金：国家自然科学基金(2021NSFC52175081);柳州市科技重大专项(2021AAA0112);广西研究生教育创新计划(YCSW2023104)资助项目。

精准、高效的电池状态估计对车载动力电池管理至关重要。基于数据驱动方法不依赖电池内部复杂的反应机理和底层机制，被广泛应用于荷电状态和健康状态估计领域。针对以往方法中大量数据的训练和测试容易导致较高的计算复杂度，提出模糊信息粒化新型数据挖掘技术。首先，提出非对称高斯型隶属度函数，在上边界、均值和下边界三个粒化层面进一步提高数据挖掘的性能。然后，结合高斯过程回归方法并开展锂离子电池循环测试进行荷电状态估计性能验证。最后，建立电池容量估计模型利用公开数据集验证健康状态预测性能。结果表明，结合模糊信息粒化技术后，高斯过程回归方法的荷电状态估计精度在两种电流工况下分别提升15.38%和31.25%，计算时间可从26.9 s降低至3.3 s。模糊信息粒化进行健康状态估计在五种机器学习方法中能提供高精度的同时只需要最低的计算成本，从而为基于数据驱动方法的锂离子电池高效状态估计提供思路和指导。

来源：2025年第24期

《机械工程学报》期刊编辑部

查看机械工程学报杂志2025年第24期