电池是电动车最核心的部分，但是就目前技术而言，电池实际健康状况和剩余寿命预测依旧是个难题。日前，据外媒报道，剑桥大学和纽卡斯尔大学研究人员设计出可预测电池健康状况的机器学习方法，将助力动力电池的开发和电动汽车推广。

据悉，这种方法是通过向电池发送电脉冲并测量其响应来进行监测，并可利用机器学习算法处理这些测量数据，从而预测电池的健康状况和使用寿命。研究人员称，这种测量方式的准确度是目前行业在用方法的10倍。

动力电池在运行过程中，内部会发生复杂微妙的化学变化，长此以往严重影响电池的性能和寿命。目前电池健康状况的预测方法主要以跟踪充放电过程中的电流和电压为基础，但并不能显示电池的具体状态。这两所大学开发出的检测方法，则可发现电反应的具体特征，找到电池老化的讯号。

截至目前，研究人员进行20000多次测量实验来训练模型，这是同类测试数据中的最大数据集。此外，该模型还学会了如何区分无关噪声和重要信号，了解到哪些电信号最有可能与电池老化有关，可进一步探究电池退化的原因和方式。当然，这种非干预式方法，可以轻松应用至当前所有电池系统。

这套机器学习平台，可以展示电池中各种化学成份的退化过程，更有助于行业开发最优电池充电计划，以实现快速充电，并尽量减缓电池退化。（编译/汽车之家 李争光）