研究目的与意义

随着社会经济和储能技术的发展，锂离子电池因其质量轻、低放电率和长寿命

等优势，在全社会各领域均得到广泛应用。建立准确的锂离子电池容量退化模型，准确预测锂离子电池的剩余寿命，是保障锂离子电池运行可靠性和安全性的基础，也是目前锂离子电池故障预测与健康管理（Prognostics and Health Management PHM）技术的重要组成部分。因为锂电池的质量轻、放电率也较低、使用寿命长、能量密度大、输出功率高、污染较小、工作温度范围宽和其自放电小，因此其应用广泛。笔记本电脑、数码相机、平板电脑、手机以及其他手持电子产品都使用锂电池作为其储能部件。现如今，电动汽车上的功能系统也广泛使用锂离子电池。由于能源危机，因此开发新能源汽车成了现在众多汽车厂商和研究机构的重要任务。新能源汽车中的纯电动汽车利用锂电池为车载电源提供动力，并利用电力驱动汽车。纯电动汽车相较于传统汽车不会产生废气，该种汽车非常环保，几乎是零污染，零排放。同时纯电动汽车的能源利用率较好，比传统汽车要高出 46%以上。

但是锂电池在使用过程中电池容量会随着使用时间的变长而逐渐衰退。上文提

到的纯电动汽车目前存在的一个最大的难题是电力存储技术，电动车对于电池组要求电池循环寿命长，容量衰减小，以此来降低成本。在航空航天领域，由于锂电池组的放电范围很大（从几百安培到几安培），温度变化范围也很大，因此要求锂电池组有较高的可靠性和安全性。通常要求锂电池组在每次充放电循环时所具有的容量大小必须超过一定的阈值。因此为了保证系统的安全性、稳定性和经济性，研究锂电池的预测与健康管理（Prognostics and Health Management, PHM)技术及早准确预测出锂电池的剩余寿命是非常必要的。通过对锂电池的容量、充电状态和电流电压值进行预测并结合给定的失效阈值可以对锂电池剩余寿命进行估计。

国外研究现状

美国在 90年代引入了基于状态的维修(CBM)策略，主要是对设备状态进行实

时监控和预测，由设备实时状态以此来确定最佳维修时机，做好维修规划及备件保障，预防故障发生。故障预测与健康管理技术(PHM)，就是通过传感器来获取设备敏感参数信息，借助物理模型、智能模型等手段，对设备进行健康状态评估和故障

预测，并利用其结果做出维修决策以此来实现健康管理。PHM 是实现 CBM 的关键技术，在降低设备运用与维修保障成本，提升设备的可靠性和安全性，延长设备