Aging trajectory prediction of lithium-ion batteries based on mechanical-electrical features via nonlinear autoregressive and regression neural networks

锂离子电池的寿命预测对于及早了解电池老化状态、优化电池的使用和管理策略具有重要意义。本研究评估了锂离子电池在不同运行条件下的膨胀与老化特性，借助机器学习技术提出了一种融合机电特征的锂离子电池的老化轨迹预测方法。为避免二次数据处理带来的误差，从应力和电化学特性曲线中直接提取五个机电特征因子，以反映电池的老化状态；首先采用非线性自回归神经网络，基于历史数据预测老化特征因子的变化趋势；随后，利用非线性回归神经网络对由历史数据和预测数据构成的老化特征数据集进行建模，从而实现老化轨迹预测。实验结果表明，本研究所提方法能够将老化轨迹预测的平均绝对误差（MAE）控制在0.25%以内，显著提升了预测精度，拓展了预测模型在实际应用中的适用范围。

2025年7月