南林学子为新能源汽车 动力电池“诊脉续命”

　　本报讯（记者 姜静 通讯员 聂欣冉）“电池就像人一样会衰老、生病，我的研究就是弄清它现在有多‘年轻’，未来会怎么‘老’，还能预判何时会‘生病’。”近日南京林业大学机械电子工程学院博士生李放，研发出系列电池寿命预测模型与算法，为新能源汽车动力电池精准“诊脉续命”。

　　新能源汽车产业蓬勃发展的背后，动力电池的寿命评估与安全预警一直是行业亟待破解的痛点。如何合理评估动力电池剩余使用寿命？怎样量化一整支公交车队的电池健康状态？李放和团队成员从实验室起步，聚焦电池单体展开研究，目标是找到识别电池加速退化关键节点的方法，仅靠电池早期循环数据就能预测其剩余寿命。经过反复实验与探讨，李放提出改进的多任务高斯过程回归模型，仅凭电池前100次循环数据，就成功实现了对动力电池退化轨迹的精准预测。

　　科研攻关从无坦途。那段时间，实验室的白板上写满了密密麻麻的数学符号，可电脑屏幕上的误差曲线却始终居高不下，让李放陷入了困顿。一次学术讲座上，听到航空航天领域用吉布斯抽样处理复杂退化模型参数辨识的思路时，他突然受到启发，最终帮他成功突破了技术瓶颈。

　　然而，实验室环境与电动汽车实际运行场景有着天壤之别：车主充电习惯各不相同，充电桩模式差异明显，环境温度时高时低，再加上传感器精度有限，这些都给实际应用带来了严峻挑战。为了精准预测实车动力电池的剩余寿命，李放团队采集了多辆汽车长达数年的运行数据，率先研发出修正算法，有效减轻了外界因素对电池容量测算的干扰；同时借助随机过程方法，实现了实车电池剩余寿命的精准预测，还针对性给出“保守、温和、激进”三种车队级维修保养策略。

　　“科研的价值不仅在于发表论文，更在于解决实际问题。”李放始终秉持这一理念。目前，这一研究成果已与苏州客车企业达成合作，开展电动汽车电池衰减评估与故障预警模型研究。下一步，他们将继续深化电池健康状态衰减机制研究，开发轻量化嵌入式系统，推动相关技术规模化应用，让实验室里的科研成果真正转化为推动行业进步的生产力。