【前言】
锂离子电池作为一种性能突出且应用广泛的储能电池，是目前国内外的研究热点，建立电池寿命评估方法和寿命模型，科学地评价和预测电池寿命是其中一个重要的方面。SVM集诸多优点于一身，是人工智能领域的一个研究热点。该方法已被成功应用于蓄电池的容量预测上并获得较好的效果。
【研究背景】
随着锂离子电池应用的日益广泛，由其寿命引发的一系列问题开始显露出来。寿命问题指影响其放点能力的正负极活性材料的物化结构性质、粘结剂对涂层的粘结强度、隔膜的质量等在循环充放电过程中逐渐劣化。意外的电池寿命终结往往导致系统整体功能失效，从应用的角度对电池健康状况进行科学的估计和预测，进一步指导电池运行和维护，构建电池的状况监测和健康管理系统，防止电池过充、过放、估计电池性能状态、预测电池状态演变。也是实现电池长时间可靠工作的重要方面，对于系统任务决策，防止灾难性事故的发生具有重要意义。
电池健康管理包含两个基本问题：
（1）荷电状态 SOC的估计问题。电池在一次充放电的短期使用过程中。当前还剩多少电量要求准确估计电池当前的荷电状态(StateofCharge，简记SOC1，或是给出电池放电终止点(EndofDischarge，简记EOD)的估计 。
（2）健康状态SOH的估计和寿命预测问题。电池在长期使用过程中伴随着缓变故障 (电池老化)、突发故障的发生，电池的寿命在不断消耗，其健康状态(StateofHealth，简记 SOH1随电池使用情况的变化规律是怎样的根据当前监测所掌握的规律，电池按照前面使用中的典型任务模式继续使用，到何时电池会失效预测电池寿命终止点(EndofLife，简记 EOL)，或者给出电池的剩余使用寿命。
【国内外研究方法现状】
以上是毕业论文文献综述，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
