锂离子电池因具有能量密度高、循环寿命长、环境友好等特点被广泛应用于电动汽车。然而随着使用时长增加,锂离子电池逐渐出现可用容量下降、功率输出不足等问题,造成电动汽车行驶里程缩短。开展电池健康评估,可有效识别电池老化状态及退化趋势,解决因更换电池不及时而带来的安全问题。本课题开展电池健康评估方法研究,提出一种新的容量损失解耦分析方法,在此基础上,结合灰色预测算法和简化电化学-老化模型,提出基于数据-模型混合驱动的预测方法,实现电池健康状态精确评估和剩余寿命的有效预测。课题主要研究内容如下:首先,为提高简化电化学模型精度,通过深入分析电池老化机理,在现有简化电化学模型基础上,参考弱极化过程的Tafel方程得到副反应极化过电势与充放电电流之间的关系式,建立简化电化学-老化模型。通过设计电池加速老化实验,采用最小二乘法实现对未知参数的分步辨识,并验证模型在不同工况下的精度,为电池健康状态估计和剩余使用寿命预测奠定基础。其次,为实现电池健康状态精确评估,以电池容量为表征参数,采用数据和模型融合的技术路线,分别借助灰色预测算法以及电化学模型法进行健康状态评估。针对上述两种方法存在的依赖历史数据和模型构建复杂的问题,开展电池损失容量解耦分析研究,在此基础上,提出基于数据-模型混合驱动的电池健康状态估计方法,通过开展不同工况条件下电池健康状态估计试验验证,表明了提出方法的精确性和有效性。最后,采用灰色预测算法、简化电化学模型法和数据-模型混合驱动三种方法进行电池容量衰减预测,并进一步开展电池剩余使用寿命预测算法研究。通过开展仿真对比分析,验证了基于数据-模型混合驱动方法的精确性及适用性。为进一步提高电池剩余使用寿命预测方法的鲁棒性,通过分析容量及模型参数的退化规律,建立电池容量与模型参数关于外界应力和循环次数的函数表达式,结合单一老化工况下剩余使用寿命预测算法,实现了变老化工况下电池剩余使用寿命预测。