锂离子电池的大规模应用在为人们带来便利的同时也伴随着大量的安全隐患,因此电池健康状态的快速准确估算成为当前研究的热点和难点。本课题通过对电化学交流阻抗谱改进提出了一种动态阻抗测试方法,首次利用动态阻抗研究了电池的健康状态,并将其与BP神经网络模型相结合,实现对电池健康状态的在线快速准确估算,具体工作如下:首先,研究了高温应力对电池衰退的影响,设计电池老化实验,制作了三种不同健康状态的锂离子电池,通过电池全寿命周期内的电化学性能分析和拆解电池后的各类物理化学表征,研究了高温下电池容量衰减的内在机理以及电池老化过程中内部变化对阻抗的影响。其次,利用多频叠加原理改进传统的电化学交流阻抗谱测试,提出了一种动态阻抗测试方法,利用傅里叶变换的快速算法解析响应信号的频谱,保证电池处于工作状态时多频测试的同时性。搭建了动态阻抗测试实验平台,通过控制变量实验,确定了动态阻抗测试的最优条件,有效缩短了测试所需时间。基于最优测试条件分别研究了静态阻抗与动态阻抗的差异性及电池在不同老化路径下动态阻抗的变化规律。最后,分析了动态阻抗谱的原始参数,利用灰色关联法计算了各参量与电池可用容量的关联度,提取出能够反映电池健康状态的特征参数。建立BP神经网络模型并用遗传算法进行优化得到改进的GA-BP模型,利用动态阻抗谱的特征参数和电池放电容量数据训练模型。MATLAB仿真结果表明,优化后的模型具有更快的收敛速度,对电池全寿命周期内的健康状态估算误差在2.9%以内,同时模型还具有一定的泛化能力。