1．目的及意义
1.1研究背景与意义

锂离子电池在现代社会中的使用十分广泛，比如在生活中的使用如手机电池，电动汽车电瓶，在军事或航天中使用的空间站、雷达、卫星蓄电池。然而在电池的使用中，电池的性能退化，电池的意外损坏都可能会对系统或是设备造成严重的后果。手机电池的爆炸可能致命，而卫星电池的报废可能使价值上亿的设备报销。对锂离子电池荷电状态（State of Charge, SOC），健康状态（State of Health, SOH）和剩余使用寿命（Remaining useful life, RUL）的研究意义重大。通过实时监测电池的SOH，可及时纠正电池的SOC；为电池自身的检测与诊断提供依据，了解电池组各单体的健康状态，更换老化电池提升整体寿命。本文就是对三元锂离子电池健康状况的仿真的研究，对锂离子电池管理系统有着十分重要的意义。

1.2国内外研究现状分析
电池的SOH包含容量、内阻以及功率的等性能参数。通常SOH表示在标准条件下完全充电后测定容量与额定容量的比值，是电池寿命的一种表现形式。根据IEEE标准1188.1996，电池的SOH的值lt;80%时电池不能正常发挥性能，应更换电池。锂离子SOH衰退的原因十分复杂。一般来说，具体因素有：界面膜的形成，正极材料的溶解，电解质溶液的分解，自放电，过充电，锂离子正常脱嵌时正极材料的相变化，集流体腐蚀，环境温度，充放电截止电压，充放电倍率，放电深度，生产设备、过程、工艺的差异等。根据这些原因，现有的对锂离子电池SOH的估计方法大致可以分为：
一、基于模型的方法。如衰退机理模型，等效电路模型（电阻表示压降，电容，电感，电流源和电压源等描述电池特性的变化）和经验衰退模型（粒子滤波法：PF和卡尔曼滤波法：KF等改进方法）。同济大学的戴海峰等人利用双卡尔曼滤波算法，通过电流、电压等数据，建立了等效物理模型，及其空间状态方程，最终实现了模型与算法的统一，评估电池 SOH，实现了循环寿命的预测。其估测精度表现良好。周秀文通过对等效电路模型和电池容量模型进行改进，得出电池SOC和SOH联合估计模型，并在NEDC和JC08 两工况下进行了双扩展卡尔曼滤波（DEKF）和多尺度扩展卡尔曼滤波（MEKF）算法测试。结果表明，两种方法在电池 SOC 和 SOH 估计上无明显差异，但在理论分析上 MEKF 算法的计算量更小。苗强等人对相同的锂离子电池进行数据统计，接着应用扩展卡尔曼滤波方法进行对比分析，然后说明了粒子滤波精度影响关键在于重采样阶段，最后借助MATLAB仿真软件进行寿命预测。实验表明，粒 子滤波算法较优，在寿命预测方面误差小于5%。
二、基于数据驱动的方法。如时间序列模型（自回归模型AR），人工神经网络模型（ANN），和支持向量机（SVM）等。刘汉雨利用电池充放电数据，通过内阻参数辨识，并结合电池健康程度、失效阈值，以及循环容量数据，以最小二乘曲线拟合和RVM方法，分别对锂离子电池剩余循环寿命（RCL）展开了回归预测，得出相关向量机具有较强的局部预测能力。张任，胥芳，陈教料，潘国兵等人使用PSO-RBF神经网络对锂离子电池健康状态预测。
本论文的目的是实现一种三元锂离子电池的SOC和RUL的预测方法。首先将进行实验获取锂离子电池充放电过程中电压、内阻、容量和表面温度等随着充放电倍率和环境温度变化的规律，并获取建模所需参数。然后用Simulink建立等效电路模型，利用锂离子电池容量数据集进行simulink建模仿真，根据不同循环次数和不同放电温度下的电池健康状态进行评估，对仿真结果进行评价。
{title}

2. 研究的基本内容与方案

{title}

2.1研究的主要内容及目标
1．查阅文献，理解锂离子的电池结构、工作特性以及锂离子电池健康状态评估方面的各种方法，了解国内外研究现状；
2．通过实验获取建立锂离子电池等效电路模型中所需的参数，获得锂离子电池在不同充放电倍率和环境温度下，锂离子电池特征参数的变化规律。

3．构建锂离子电池等效电路模型，通过simulink仿真，使用一种SOH估计的方法进行仿真分析，根据仿真结果与实验结果之间的拟合程度进行评价。

2.2拟采用的技术方案和措施
1．采用HPPC实验方法测出锂离子电池的欧姆内阻Rj、极化内阻Rp和电压和SOC随冲放电倍率和环境温度变化的关系。

2．根据获取的参数在simulink中建立锂离子电池等效电路模型，验证电池模型参数的有效性
3．根据电池模型对不同循环次数和不同放电温度下的电池健康状态进行评估，总结规律，得出结论。

3. 参考文献
【1】 刘龙. 锂离子动力电池健康状态评估模型研究[D]. 长春工业大学, 2016.

【2】 锂离子电池的健康状态估计研究现状分析[J]. 蓄电池, 2017

【3】 林娅, 陈则王. 锂离子电池剩余寿命预测研究综述[J]. 电子测量技术, 2018

【4】 王宁, 刘晓峰, 陈泽华. 锂离子电池寿命预测综述[J]. 电器与能效管理技术, 2018

【5】 刘媛. 锂离子电池的剩余寿命预测方法研究[D]. 西安理工大学, 2017.

【6】 锂离子电池剩余容量与剩余寿命预测_谢建刚，李其仲，黄妙华，王树坤

【7】 严仁远.考虑容量恢复效应的锂离子电池剩余寿命预测[D].浙江大学,2018

【8】 张洋，陈浩，郭波，蒋平.锂离子电池剩余寿命在线预测[J].机械科学与技术,2016

【9】 玥锌，刘淑杰，高斯博，胡娅维，张洪潮.基于维纳过程的锂离子电池剩余寿命预测[J].大连理工大学学报,2017,第57卷(2)

【10】 .董汉成，凌明祥，王常虹，李清华.锂离子电池健康状态估计与剩余寿命预测[J].北京理工大学学报,2015,第35卷

【11】 . 祝红英，时玮，朱志贤.关于锂离子电池健康状态预测方法的研究进展[J].电源技术,2017

【12】 . 郭琦沛，张彩萍，高洋，姜久春，姜研.基于容量增量曲线的三元锂离子电池健康状态估计方法[J].全球能源互联网,2018

【13】 张任，胥芳，陈教料，潘国兵.基于PSO-RBF神经网络的锂离子电池健康状态预测[J].中国机械工程,2016,第27卷(21): 2975-2981
【14】 庞辉.基于扩展单粒子模型的锂离子电池参数识别策略#8727;[J].物理学报,2018,(5): 259-269

【15】 马力旺.电动汽车动力锂离子电池健康状态估计方法研究[D].长安大学,2018

【16】 郭琦沛.锂离子动力电池健康特征提取与诊断研究[D].北京交通大学,2018

【17】 杨杰，王婷，杜春雨，闵凡奇，吕桃林，张熠霄，晏莉琴，解晶莹，尹鸽平.锂离子电池模型研究综述[J].储能科学与技术,2019,(1): 58-64

【18】 李佳.锂离子电池组的健康状态估计及寿命预测研究[D].重庆交通大学,2018

【19】 张锋，张金，高安同，周生.基于模型的锂离子电池健康状态预测[J].电子技术应用,2014,(12): 79-81，85

【20】 杨金星.锂离子电池退化状态识别与寿命预测方法研究[D].哈尔滨工业大学,2017

【21】 张金，高安同，韩裕生，左修伟，张锋.一种基于粒子滤波的锂离子电池健康预测算法[J].电源技术,2015,(7): 1377-1380

【22】 H. Dong et al, "Lithium-ion battery state of health monitoring and remaining useful life prediction based on support vector regression-particle filter," Journal of Power Sources, vol. 271, pp. 114-123, 2014.

【23】 A. El Mejdoubi et al, "State-of-Charge and State-of-Health Lithium-Ion Batteries' Diagnosis According to Surface Temperature Variation," IEEE Transactions on Industrial Electronics, vol. 63, (4), pp. 2391-2402, 2016.

【24】 X. Tang et al, "A fast estimation algorithm for lithium-ion battery state of health," Journal of Power Sources, vol. 396, pp. 453-458, 2018.

【25】 L. Cai et al, "An evolutionary framework for lithium-ion battery state of health estimation," Journal of Power Sources, vol. 412, pp. 615-622, 2019.

【26】 J. Meng et al, "Lithium-ion battery state of health estimation with short-term current pulse test and support vector machine," Microelectronics Reliability, vol. 88-90, pp. 1216-1220, 2018.