用于电池测试设备逐步的增强
电池无法“测量”，只能通过分析其症状来估计。这些症状会随着充电状态 (SoC)、温度、搅拌、存储和老化而变化。例如，电量低的优质电池的性能类似于充满电的弱电池。现代测试方法必须识别这些条件。图 1总结了当前的 SoH 测试方法，分为五类。寿命状态指示器 (SOLI) 通过跟踪交付的库仑*占库仑能量寿命 (CEL) 中显示的总预期寿命的百分比来预测电池的剩余使用寿命 (RUL)。电池测试是电化学证据和人工智能数据分析的产物。  定义：CEL 代表充满电的电池的能量乘以制造商指定的循环次数。新电池的 CEL 为 100%，该水平会随着使用逐渐耗尽，直至达到指定的预期寿命。该过程类似于根据里程表读数更换车辆。 SOLI 可以添加到轮椅、轮式计算机、高尔夫球车、地板清洁器和剪叉式升降机中。云分析评估定期电池更换的 RUL。 高斯过程回归 (GPR) 与 ANN 相比，GPR 以更少的训练数据提供了更好的结果。Cadex 实验室使用铅酸电池实现了 90% 的准确度，UBC 的科学家正在验证这一发现。对锂离子系统进行的重复测试取得了可喜的成果。特定于模型的参数通过机器学习进行训练，以通过贝叶斯方法测量电池 SoH。 Cadex 实验室研究了其他评估电池 SoH 的方法，结果如表 7所示。拥有800 个具有各种 SoH、高斯过程、神经网络和模糊逻辑的铅酸测试电池池。其他方法在测试坏电池时反映出较低的准确性。 自适应滤波器 可用容量是测得的 SoC 加上添加的能量之和。为了获得最佳结果，每个电池都应该通过循环一个好的电池组来进行一次性校准。解析器通过使用扩展卡尔曼滤波器 (EKF) 读取充电状态并计算库仑来填充可用空间以达到完全充电，从而估计可用电池容量。此外，电池必须充分放电才能获得准确的读数。从 40% 到 100% 的“充电跑道”提供了评估可用容量的准确值。