针对锂离子电池剩余寿命(remaining useful life, RUL)难以精准预测的问题，建立单指数经验容量衰退模型，提出能够有效解决电池非线性问题的平方根求积分卡尔曼滤波(square-root quadrature kalman filtering, SQKF)算法。现有的最优估计方法中，求积分卡尔曼滤波(quadrature kalman filtering, QKF)是一种高精度采样算法。研究发现，QKF的估计误差易引起非对称、非正定协方差的传播，影响算法稳定性。在QKF算法上进行平方根扩展，并对单变量求积节点进行多维扩展，将SQKF算法应用于电池容量跟踪估计；另外，从理论上证明SQKF的稳定性。使用NASA公开数据集对算法进行仿真验证，并与现有的扩展卡尔曼滤波、无迹滤波、QKF算法对比。结果表明，在一定条件下，SQKF的RUL预测误差在6%以内，数值精度以及数值稳定性有很大提高，并且研究发现SQKF受锂离子电池个体差异性的影响较小，文中方法在锂离子电池RUL预测的实际应用方面具有参考价值。

陕西省重点研发计划项目(2019GY-097)；

0 引 言
1 锂离子电池经验容量衰退模型建立
2 SQKF算法估计电池容量
2.1 SQKF
2.1.1 单变量Gauss求积节点及求积系数
2.1.2 多变量Gauss求积节点及求积系数
2.2 SQKF跟踪估计锂离子电池容量
2.2.1 初始化状态变量及协方差
2.2.2 时间更新
2.2.3 量测更新
2.3 SQKF估计锂离子电池容量的稳定性证明
2.3.1 SQKF的数值稳定性证明
2.3.2 SQKF的收敛性证明
3 仿真与验证
3.1 SQKF跟踪估计仿真
3.2 锂离子电池RUL预测仿真
3.2.1 预测起始点对算法预测的影响
3.2.2 电池个体差异对算法预测的影响
4 结 论

黄梦涛,胡礼芳,张齐波.基于SQKF的锂离子电池剩余寿命预测[J].西安科技大学学报,2022,42(05):994-1002.DOI:10.13800/j.cnki.xakjdxxb.2022.0519.