一种基于剩余寿命的间接预测方法，适用于锂离子电池。(2014年发表)

简介：
面对锂离子电池在线剩余寿命预测中容量难以直接获取，以及预测结果存在的诸多不确定性挑战，本文提出了一种创新性的方法框架，该框架的核心在于利用锂离子电池的充放电监测参数，构建能够有效反映电池健康状态的预测因子。通过这种方法，我们不仅实现了对锂离子电池健康状况的全面表征，而且进一步采用高斯过程回归 (Gaussian Process Regression, GPR) 技术，为剩余寿命预测结果提供了明确的不确定性区间估计。最终，我们构建了一个完善的、基于在线监测数据的锂离子电池剩余寿命预测体系。为了验证本文提出的方法框架的有效性与可靠性，我们进行了广泛的实验研究，包括基于NASA锂离子电池数据集和卫星锂离子试验数据的残余寿命预测验证与评估。实验结果表明，所提出的方法框架能够极大地提升电池在线剩余寿命预测的应用水平，并展现出优异的性能和良好的预估准确性。