汽车与交通学院2025年研究生学术活动月学术报告 —基于机器学习的电池健康诊断与寿命预测

报告时间：12月10日下午4:00-6:00

报告地点：腾讯会议，会议ID：147-225-880

报告人：邹长福 博士教授（瑞典查尔姆斯理工大学）

主持人：武小花

主办单位：西华大学汽车与交通学院

报告人简介

邹长福，男，博士，瑞典查尔姆斯理工大学电气工程学院教授。主要研究方向为电池储能系统的建模、故障诊断与自动控制。长期与沃尔沃、ABB、斯堪尼亚等企业保持紧密的产学研合作，研究成果先后获得瑞典研究理事会、欧盟委员会、瑞典能源署、科技局及瓦伦堡基金会等机构资助。担任欧盟委员会、美国国家科学基金会、加拿大自然科学与工程研究理事会等多家资助机构的评审专家，并兼任IEEE车辆技术汇刊、交通电气化汇刊及智能交通系统汇刊的编委。研究项目多次入选瑞典皇家科学工程院“IVA’s 100 List”，曾获IEEE车辆技术学会最佳汽车电子论文奖、IEEE交通电气化汇刊优秀论文奖等荣誉。

报告内容简介

随着交通运输领域的大规模电气化，电池健康状态的实时诊断与老化预测已成为保障电动汽车安全性、可靠性与经济性的关键。然而，真实车辆使用具有随机性强、条件复杂、数据格式不统一及传感器有限等特点，使传统基于实验室工况的方法难以直接应用。报告介绍团队基于真实车辆数据构建的机器学习框架，实现统一的健康诊断与寿命预测。为适应车载直方图数据，团队提出“两步数据压缩 + 统计特征”方法，以实现高效存储与建模。在老化预测方面，采用“全局模型 + 在线自适应”策略，以保证在不同车辆与任意工况下的准确性与泛化能力；在健康诊断方面，通过划分典型充电场景并提取关键特征，实现对任意充电条件的稳健的健康状态估计。基于大规模实验室及7296辆PHEV车队数据的验证表明，该框架具有良好的准确性、可部署性和广泛适用性，可有效支持电池安全管理、预测性维护及二次寿命价值提升。