基于隐式两阶段维纳过程的锂离子电池剩余使用寿命精准预测研究

本文提出了一种基于隐式两阶段维纳过程的锂离子电池剩余使用寿命（RUL）预测新方法。通过构建连续变化的两阶段非线性退化模型，结合移动平均与包络提取技术优化参数估计，显著提升了RUL预测精度。实验采用CALCE、MIT和同济大学数据验证，证实该方法能更精准反映电池潜在退化过程，为电池健康管理（PHM）提供可靠理论支撑。

　　

Highlight

锂离子电池在实际应用中的容量退化过程呈现多阶段特征（如图2(a)所示），各阶段降解速率差异显著。本研究通过建立具有一阶导数连续性的两阶段非线性函数，精准刻画电池非线性退化行为，既避免了传统模型因导数不连续导致的RUL分布推导难题，又显著提升了模型与实际退化轨迹的匹配度。

Online updating and RUL prediction

由于非线性函数具有连续的一阶导数且两阶段共享相同漂移系数，可直接应用卡尔曼滤波（Kalman filter）实现漂移系数与潜在真实退化状态的联合估计。基于更新后的随机参数，结合通用非线性维纳过程框架，可直接计算RUL的概率密度函数（PDF）。

The subjective parameter estimation method

针对锂离子电池容量数据中周期性噪声和异常值的干扰，本研究创新性地提出融合移动平均与包络提取技术的参数估计方法：通过移动平均平滑消除异常值干扰，利用上下包络曲线均值逼近真实退化轨迹，三步法实现高精度参数估计（如图3流程所示）。

Experimental studies

采用CALCE电池容量退化数据（图7）验证方法可行性：先通过移动平均和包络提取技术估计真实退化轨迹，再分两步进行最大似然估计（MLE）获取模型参数，最终通过仿真实验证实参数有效性。

Conclusion

本研究通过构建隐式两阶段维纳模型，首次实现了对锂离子电池退化速率连续变化的精准建模。结合创新的主观参数估计方法，显著提升了RUL预测精度，为电池健康管理提供了兼具理论创新性和工程实用性的解决方案。