关键词：锂电池组;安全性能;机械滥用;神经网络;失效状态
摘 要：为研究电动汽车电池组在机械滥用工况下的安全性和可靠性，避免电池组在发生碰撞时造成短路、热失控、甚至火灾和爆炸等一系列安全事故，构建了一种适用于机械滥用工况下锂电池热安全测试的实验系统，设计并实施了平板、圆柱、球形和针刺4种机械滥用工况下的锂电池安全实验。通过大量机械滥用实验数据构建了锂电池单体匀质化有限元模型，并利用实验数据与锂电池单体匀质化有限元模型建立了完备的锂电池组数据集，在此基础上设计了一种由支持向量机（support vector machine，SVM）、麻雀搜索算法（sparrow search algorithm，SSA）和反向传播神经网络（backpropagation neural network， BP）组成的SVM-SSA-BP融合数学模型，对不同参数条件下锂电池组的失效状态及失效后的位移和最大载荷进行预测。实验结果表明，SVM-SSA-BP可以准确地预测电池组系统的失效状态、失效位移和最大载荷。将SVM-SSA-BP与其他4种竞争模型进行了对比验证，并在数据集中添加20%高斯噪声评估了SVM-SSA-BP的泛化能力。结果表明，SVM-SSA-BP融合数学模型的预测性能优于其他4种竞争模型，具有较好的准确性和稳定性。本文所提模型可实现机械滥用工况下锂电池组安全性能的准确预测。
内 容：原文可通过湖北省科技资源共享服务平台(https://www.hbsts.org.cn/)获取