摘 要？电池参数的准确辨识是电动汽车电池管理系统实现高精度状态估计的基础。针对遗忘因子递推最小二乘法（forgetting factor recursive least squares，FFRLS）辨识变化电池参数时精度不足的问题，本文提出以层数形式更新参数的自适应多层递推最小二乘（adaptive multi-layer recursive least squares，AMLRLS）电池在线参数辨识方法。AMLRLS算法以第L-1层辨识参数的电压误差作为第L层的目标值，递推分离出电压误差中的参数量，以所有层的参数量之和作为一个数据点的辨识结果，形成多层RLS结构更新参数。针对每一次辨识算法都计算至最大设置层的问题，设计层数选择器，将第一层FFRLS辨识结果的电压误差作为层数选择器的输入量，以电压误差大小自适应选择层数，减小计算量。搭建电池模型，仿真验证AMLRLS的参数跟踪能力。仿真结果表明，AMLRLS的参数误差比RLS最大降低了69%，比AFFRLS（adaptive forgetting factor recursive least squares）最大降低了46.5%。在实验验证中，AMLRLS在DST（dynamic stress test）工况下相较其他算法电压均方根误差和平均绝对误差最大降低了43.9%和32.1%，不同电流、不同温度和不同初始SOC条件下的实验结果验证了AMLRLS具有较强的适用性。最后，实验比较了各算法的计算时间，相较于未设置层数选择器的情况，AMLRLS在DST工况下计算时间缩短了37.4%，在FUDS下缩短了28.6%，减少了电池管理系统的计算负担。关键词？锂离子电池；参数辨识；最小二乘法；等效电路模型
