机械工程学报

作者：戴国洪, 张道涵, 彭思敏, 苗一凡, 卓悦, 杨瑞鑫, 于全庆

单位：1. 常州大学机械与轨道交通学院 常州 213164;2. 盐城工学院电气工程学院 盐城 224051;3. 北京理工大学机械与车辆学院 北京 100081;4. 哈尔滨工业大学(威海)汽车工程学院 威海 264209

关键词：人工智能,健康状态,电池系统,现状与趋势；

基金：国家自然科学基金(52177210); 中国博士后科学基金(2021M690395); 江苏高校“青蓝工程”(2021-11); 盐城工学院校级科研(xjr2021052)资助项目

目前先进的电动汽车开发和应用已成为实现“脱碳”的关键技术。准确的电池健康状态(State of health,SOH)预估可有效地表征动力电池性能,对电动汽车动力电池维护和寿命管理具有重要意义。近年来,以深度学习、强化学习和大数据技术等为代表的新一代人工智能技术在电动汽车电池状态预估的应用已成为研究热点。首先简要介绍人工智能技术、SOH的含义以及影响SOH主要因素,然后分别从电池单体与电池系统的角度对几种人工智能模型在SOH预估中的研究进行总结与讨论,最后结合大数据、云计算、区域链等新兴技术,对电池健康状态预估问题进行展望,为提升当前动力电池全生命周期管理能力提供一些思路。

来源：2024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2024年第4期