面对严峻的全球资源紧缺和不断恶化的环境污染问题,以锂离子电池为主要动力来源的纯电动汽车的研究和开发逐渐引起了各汽车生产厂家的密切关注。准确地对锂离子动力电池的SOH(State of Health,健康状态)进行实时、在线地精确估算,在保障车辆电子电气系统的安全运行、延长动力电池的使用寿命、提高整车续驶里程等方面具有重大的意义。本文基于NASA PCoE研究中心提供的锂离子电池循环寿命实验数据,通过相关性分析方法提取和筛选健康因子(Health Indicator,HI),作为多项式回归模型的输入,以实现对锂离子SOH的精确估算。首先,在锂离子电池恒流充电过程的前期,提取等幅压升时间(电池路端电压位于3.90V～3.95V、3.95V～4.00V及4.00V～4.05V之间的时间间隔)作为估算SOH的健康因子,在仅使用二项式回归拟合的情况下,均方根误差RMSE控制在0.04以下,模型适应度系数R2高于0.98,相对误差控制在±2%之内。然后,在锂离子电池恒压充电过程的中期,提取等幅流降时间(从0.75A下降至0.25A所经历的时间和从0.50A下降至0.25A所经历的时间)作为估算SOH的健康因子,当训练样本的实际SOH高于75%时,在仅使用二项式回归拟合的情况下,均方根误差RMSE控制在0.042之内,模型适应度系数R2均高于0.95,相对误差小于±3%。最后,在锂离子电池的充电过程中,提取等幅温降时间(电池温度在达到最高点后降幅为0.5℃～1.5℃、1.0℃～2.0℃所用的时间)作为估算SOH的健康因子,当训练样本的实际SOH低于87%时,在使用三项式回归拟合的情况下,均方根误差RMSE控制在0.04之内,模型适应度系数R2在0.97左右,相对误差约束在±3%。本文基于NASA PCoE研究中心提供的锂离子电池老化样本数据,提取鲁棒性较强的健康因子并得到健康状态SOH的多项式回归模型。该方法具有参数测量简单、算法适应性较强等优点,能够准确地实现锂离子动力电池SOH的估算,具有一定的参考价值和实用意义。