本发明涉及电池管理系统，具体涉及基于机械应力特性的锂电池soc智能在线估算方法。
背景技术：
1、锂电池因其优秀的储能密度，功率容限和较低的成本受到了人们的广泛关注。目前已广泛应用于消费电子，动力电池系统与大规模储能系统中。电池荷电容量(soc)是锂电池循环过程中的重要参数，其表征了电池在充放电循环中的剩余容量。soc的准确估计至关重要，对电动汽车的可靠行驶，储能系统的状态估计与决策都有重要的意义。
2、soc值随着充放电循环变化，并且受到温度，机械应力和电池老化情况等影响，而soc无法直接测量，必须通过对一些其它物理量的测量并采用一定的数学模型或算法来近似估计。目前，常用的soc估算方法大致有以下：安时积分法、开路电压法、卡尔曼滤波法和神经网络法等。安时积分法简单并且易于实用，但是该方法由于电流测量存在误差，随着时间累积误差逐渐增大，且该方法无法给出初始soc值；开路电压法建立ocv和soc之间的映射关系，但是ocv需要电池静置一定的时间达到平衡状态时才能获得，这就阻碍了上述方法在电动汽车中的应用；卡尔曼滤波法依赖于建立的电路等效模型的准确性，对真实世界中多样的电池类型与工况自适应性较弱；神经网络法根据采集到的数据，神经网络可以自动归纳、学习和整理，得到这些数据的内在关系。在soc估算方法中，可以方便采集到的数据主要有电流、电压和温度，现在大多数电池soc估算方法都是结合这三种可以直接获得的数据进行估算，而一些其他重要的数据，例如机械应力则需要在特定的条件下才能获得，这种普遍存在的应力主要源自电池充放电过程中的体积变化、外部压力及材料结构变化。现有的电池soc估算方法中忽略了机械应力对锂离子电池荷电状态（soc）估算的影响。此外，与带有金属壳的锂离子电池相比，软包锂离子电池的性能在实际驾驶条件下受机械应力的影响更为严重。因此，在soc估算中还应考虑由外部机械负载引起的影响电池运行的应力变化。
技术实现思路
1、针对现有技术中的问题，本发明提供基于机械应力特性的锂电池soc智能在线估算方法，目的在于综合考虑机械应力、温度、电流和电压等参数的相互作用，提高soc估算的精度。
2、基于机械应力特性的锂电池soc智能在线估算方法，包括以下步骤：
3、步骤1：获取软包电池在充放电过程中机械应力、温度、电流和电压的数据，记为原始数据；具体为：
4、步骤1.1：通过机械应力测试装置夹持软包电池，并获得机械应力测试装置与软包电池外表面之间均匀的机械应力；
5、步骤1.2：将机械应力测试装置和软包电池一同置于恒温箱内，再通过温度传感器对软包电池负极耳处的温度进行采集；
6、步骤1.3：通过电池测试设备对软包电池进行测试，并获得软包电池的电流和电压数据；
7、步骤2：将原始数据送入第一线性层处理，从而将输入维度转换为隐藏层维度，获得转换数据；
8、步骤3：将转换数据送入残差层，残差层包括第一残差模块和第二残差模块，转换数据在残差层中的处理过程包括以下步骤：
9、步骤3.1：转换数据通过第一残差模块中的均方根归一化层和第一mamba-x模块后，再通过残差连接将转换数据直接加到第一mamba-x模块的输出上，并得到第一叠加数据；
10、步骤3.2：第一叠加数据通过第二残差模块中的均方根误差归一化层和第二mamba-x模块后，再通过残差连接将第二mamba-x模块的输出与第一叠加数据叠加，并得到第二叠加数据；
11、步骤4：将第二叠加数据依次经均方根归一化层、第二线性层和sigmoid激活函数后，获得电池的soc估算。
12、进一步为：第一mamba-x模块和第二mamba-x模块的结构相同且均包括第一线性投影层、第二线性投影层和第三线性投影层；数据在第一mamba-x模块和第二mamba-x模块内的处理过程为，将输入数据分别送入第一线性投影层和第二线性投影层，第一线性投影层的输出送入第一激活函数silu；第二线性投影层的输出依次经卷积conv、归一化norm后送入第二激活函数silu，第一激活函数silu的输出和第二激活函数silu的输出进行相加后分别经smm层和第三激活函数silu处理，smm层的输出和第三激活函数silu的输出相乘结合后送入第三线性投影层，第三线性投影层的输出为第一mamba-x模块或第二mamba-x模块输出。
13、进一步为：步骤1中，机械应力测试装置和软包电池之间的初始预载力设置为400n，对若干块软包电池均以不同的倍率进行恒流恒压充电至3.65 v，并在0.05 c截止，然后搁置2 h，恒流放电至截止电压2.0 v，再搁置2 h；其中，软包电池分别在10 ℃、25 ℃和40℃的恒温条件下以0.5 c、1 c、1.5 c和2 c的倍率进行充放电测试。
14、进一步为：机械应力测试装置包括两块固定钢板以及由半刚性材料制成的两块夹持板，夹持板的侧面尺寸和软包电池的侧面尺寸相同，两块夹持板夹持在软包电池上并与其侧面相重合；两块夹持板夹持在两块固定钢板之间，在其中一夹持板和固定钢板之间设置有压力传感器，该夹持板与压力传感器贴合，压力传感器固设在相应的固定钢板上，另一块夹持板与相应的固定钢板贴合；两块固定钢板之间的间距不变。
15、进一步为：压力传感器嵌设在相应的固定钢板内，另一块夹持板与相应的固定钢板贴合；两块夹持板夹持住软包电池和压力传感器后，两块固定钢板四周通过四个螺栓螺母进行固定，从而使两块固定钢板之间的间距不变。
16、进一步为：压力传感器的型号为dymh-102，并采用高精度应变片和42crmoa合金钢制成。
17、进一步为：压力传感器表面镀镍。
18、本发明的有益效果：以温度、电流、电压和机械应力测量值作为输入，通过利用bimamba-x神经网络捕捉软包锂离子电池在充放电过程中的温度变化特征、机械应力特征和电流-电压特征，通过mamba-x模块的并行结构，避免信息的丢失和过度压缩，使模型能够保留更多的原始信息，同时处理不同时间尺度、空间模式或特征之间的相互关系，专注于电池工作范围内的关键状态，不仅提高了估算精度，还确保了计算稳定性。
1.基于机械应力特性的锂电池soc智能在线估算方法，其特征在于：包括以下步骤：
2.根据权利要求1所述的基于机械应力特性的锂电池soc智能在线估算方法，其特征在于：第一mamba-x模块和第二mamba-x模块的结构相同且均包括第一线性投影层、第二线性投影层和第三线性投影层；数据在第一mamba-x模块和第二mamba-x模块内的处理过程为，将输入数据分别送入第一线性投影层和第二线性投影层，第一线性投影层的输出送入第一激活函数silu；第二线性投影层的输出依次经卷积conv、归一化norm后送入第二激活函数silu，第一激活函数silu的输出和第二激活函数silu的输出进行相加后分别经smm层和第三激活函数silu处理，smm层的输出和第三激活函数silu的输出相乘结合后送入第三线性投影层，第三线性投影层的输出为第一mamba-x模块或第二mamba-x模块输出。
3.根据权利要求1所述的基于机械应力特性的锂电池soc智能在线估算方法，其特征在于：步骤1中，机械应力测试装置和软包电池之间的初始预载力设置为400 n，对若干块软包电池均以不同的倍率进行恒流恒压充电至3.65 v，并在0.05 c截止，然后搁置2 h，恒流放电至截止电压2.0 v，再搁置2 h；其中，软包电池分别在10 ℃、25 ℃和40 ℃的恒温条件下以0.5 c、1 c、1.5 c和2 c的倍率进行充放电测试。
4.根据权利要求1所述的基于机械应力特性的锂电池soc智能在线估算方法，其特征在于：机械应力测试装置包括两块固定钢板以及由半刚性材料制成的两块夹持板，夹持板的侧面尺寸和软包电池的侧面尺寸相同，两块夹持板夹持在软包电池上并与其侧面相重合；两块夹持板夹持在两块固定钢板之间，在其中一夹持板和固定钢板之间设置有压力传感器，该夹持板与压力传感器贴合，压力传感器固设在相应的固定钢板上，另一块夹持板与相应的固定钢板贴合；两块固定钢板之间的间距不变。
5.根据权利要求4所述的基于机械应力特性的锂电池soc智能在线估算方法，其特征在于：压力传感器嵌设在相应的固定钢板内，另一块夹持板与相应的固定钢板贴合；两块夹持板夹持住软包电池和压力传感器后，两块固定钢板四周通过四个螺栓螺母进行固定，从而使两块固定钢板之间的间距不变。
6.根据权利要求4所述的基于机械应力特性的锂电池soc智能在线估算方法，其特征在于：压力传感器的型号为dymh-102，并采用高精度应变片和42crmoa合金钢制成。
7.根据权利要求6所述的基于机械应力特性的锂电池soc智能在线估算方法，其特征在于：压力传感器表面镀镍。
