锂电池是当今国际公认的理想化学能源,它作为最新的二次电池,由于其优越的性能而备受青睐。随着锂电池性能不断地改进,对电池测试技术的要求也越来越高,锂电池的寿命成为电池测试系统设计的关键问题。为了能够及时了解电池的寿命及健康状态,人们采用电池的劣化程度这一参数最为衡量的指标。所以,本文建立了锂电池劣化程度预测模型,为实时监测电池的健康状态提供了有效的途径。现阶段对电池劣化程度的评价一般针对的是电池的外部特征,通过外部的各种参数来预测电池的劣化程度,实际预测效果一般。所以,本文采用内阻参数辨识的方法,对电池的内部特性与电池劣化程度进行了相关性分析,为电池劣化程度的预测提出了新的方法。通过内阻等参数对电池的劣化程度进行预测,精准度有很大的提高,从而解决传统预测方法的不足。本文以磷酸铁锂动力电池为研究对象,通过分析电池欧姆内阻和极化内阻的特性,建立了电池的简化等效模型,并结合递推最小二乘法对建立的模型进行参数的辨识。将内阻辨识模型应用到电池的充放电循环寿命实验,以此来分析电池的内阻和电池的劣化程度的关系。本文采用Elman神经网络建立了锂电池劣化程度预测模型,将内阻作为模型的输入参数,预测的结果达到了预期的效果,并采用遗传算法对建立的预测模型进行权值的优化,通过仿真对比,使预测的效果更加理想。研究表明,利用锂电池内阻作为预测电池劣化程度的参数,其方法是可行的,该方法将为电池劣化程度的预测提供了一个崭新的方向。