锂离子电池是应用最为广泛的二次电池之一,其寿命问题会引发一系列严重的后果,因此在电池管理系统中对电池寿命预测的准确性和精度提出了更高的要求。本文基于电化学阻抗谱模型,提出了新的模型参数获取方法和模型与粒子滤波结合的方式预测电池寿命的框架,具体工作如下:首先,详细阐述锂离子电池的电化学阻抗谱模型从单个粒子、凝聚物、多孔电极三个尺度上建立的过程。提出“分频段”辨识的方法来实现对锂离子电池的正、负极参数获取。对待辨识参数进行敏感度分析,最终确定9个参数为高敏感参数。通过合成试验数据和实际电池两种方法对辨识方法进行有效性验证,两种验证结果证明得到的参数误差很小,辨识结果可靠。其次,提出基于电化学阻抗谱的电池分类方法,利用模糊聚类算法,对电池进行分类。设计不同环境温度、循环电流倍率下四种老化模式进行电池循环寿命试验,获取四种老化模式下电池不同老化阶段时的参数集。对9个高敏感参数进行两因子方差分析,最终确定5个参数为电池的内部健康特征量,给出健康特征的退化规律化规律及拟合结果。结合电化学阻抗谱的特性,进行电池老化机理分析。最后,利用电池的内部健康特征量和神经网络算法建立电池健康特征参数与容量之间的联系,准确地跟踪电池容量衰减趋势,实现对电池此时实际容量的预测,以便确定电池寿命终止的基准。采用状态跟踪领域内具有独特优势的粒子滤波算法,基于电池健康特征参数退化规律建立电池寿命预测的状态空间模型,建立的神经网络模型作为观测器,最终给出寿命预测的点估计和可能失效的区间,实现电池剩余循环寿命的预测。实验结果显示,该方法能够较好的预测电池的剩余循环寿命。