近日，我室杨勇教授课题组与宁德时代21C实验室魏奕民团队在复杂工况下锂离子电池的健康状态评估与老化轨迹预测技术研究取得重要进展。相关成果以 “Generalizable Mechanism-Anchored Health Management for Lithium-Ion Batteries Across Complex Degradation Trajectories”为题发表在Advanced Energy Materials（DOI: 10.1002/aenm.71572）。

锂离子电池在长期运行过程中会受到温度、倍率、过放等多种条件影响，当工况条件发生变化时传统电池健康评测模型其预测精度和泛化能力迅速下降；依据单一健康状态（SOH）估计也难以进一步描述电池未来的老化趋势。针对上述问题，研究团队通过筛选电池老化电化学机理，构建软混合专家模型（SoftMoE），对不同工况下的电池老化分布进行解耦。通过引入持续学习机制及结合自适应无迹卡尔曼滤波（UKF）方法，将电池单点SOH估计转化为可在线动态更新的电池老化轨迹。该研究提出了一种机理锚定的可泛化电池健康管理框架，将电化学特征提取、多工况SOH估计、持续学习和在线老化轨迹预测有机结合，实现电池健康信息随工况变化和新数据到来而持续更新。

该工作是在我室杨勇教授与宁德时代21C创新实验室魏奕民博士共同指导下完成，厦门大学2026级博士生陶远哲、2025届博士生胡泳钢与2024届硕士生何智峰为论文共同第一作者。该研究工作得到基金委重大研究计划重点支持项目（92572204）和“储能与智能电网”国家重点研发专项项目（2021YFB2401800）的资助和支持。

论文链接： https://advanced.onlinelibrary.wiley.com/doi/10.1002/aenm.71572