1.基于Wiener的锂离子电池非线性建模及其参数辨识方法，其特征在于，包括以下步骤：

步骤1)对锂离子电池进行间歇恒流放电实验测取其端电压及负载电流数据，依据数据通过多项式拟合法确定其OCV‑SOC的函数关系,以便计算出各时间点锂电池开路电压；

步骤2)建立基于Wiener结构的锂离子电池非线性模型；

步骤3)构建辅助模型随机梯度AM‑SG的算法流程；

步骤4)对AM‑SG算法进行优化，提高算法性能，构建辅助模型修正遗忘梯度算法AM‑εFG；

步骤5)利用AM‑εFG算法对建立的Wiener结构的锂离子电池非线性模型进行参数辨识，并对锂电池端电压进行预测；

所述步骤2)包括如下步骤：

基于Wiener结构的锂离子电池非线性模型由二阶RC等效电路线性部分及输出非线性项构成，将锂离子电池非线性的输入输出关系分解为两个相互连接的不同段，Wiener结构的锂离子电池非线性模型中线性部分有两个RC并联环节，其中利用R1和C1并联结构表示电化学极化效应，利用R2和C2并联结构表示浓度差极化效应；Uoc和U为电池开路电压与端电压，用U1和U2表示C1和C2两端的电压，Romc是锂电池欧姆内阻；则建立线性部分模型如下：其中G(s)为线性部分的传递函数，m为线性部分的输出项，I为线性部分的输入，即电流‑1 ‑1

值，通过双线性变化s＝2(1‑z )/T(1+z )，其中s表示连续时间复平面上的变量，z表示离散时间复平面上的变量，T为采样周期，取1秒，将式(1)从s平面映射到z平面，得到：其中a＝Romc，b＝τ1τ2，c＝τ1+τ2，d＝Romc+R1+R2，e＝Romc(τ1+τ2)+R1τ1+R2τ2，τ1＝R1C1，τ2＝R2C2；

则Wiener结构的锂离子电池非线性模型中的线性部分用输出误差模型表示如下：‑1

其中k为采样样本指标，I(k)是锂电池负载电流，m(k)是线性部分输出，z 是单位延迟‑1 ‑1 ‑1

符号：z I(k)＝I(k‑1)，A(z )，B(z )是常数多项式，在该模型中有：将线性部分的输出作为Wiener模型中非线性部分的输入，最终电池端电压表示为：其中q(k)是Wiener结构中的非线性输出项，f(·)是Wiener结构中的输出非线性函数，2

U(k)是电池端电压，Uoc(k)是电池开路电压，v(k)是一个均值为0、方差为σ并满足高斯分布的白噪声，w(k)是系统外部扰动，假设其扰动通道的极点多项式与过程通道一致，零极点多项式阶次相同，则有：该Wiener结构的锂离子电池非线性模型中非线性部分的输出表示为：2

q(k)＝f(m(k))＝γ1·m(k)+γ2·m(k) (8)其中γ1和γ2是需要辨识的未知参数，设γ1＝1而不丧失一般性，将上述各式进行展开合并整理得到基于Wiener结构的锂离子电池非线性模型：其中y(k)为系统等效输出，因此，模型回归方程写为：其中η(k)为参数估计误差，上述公式中，φ(t)为系统的信息向量，表示为：为系统的参数向量，表示为：

其中α1＝γ2a1，α2＝γ2a2，至此完成基于Wiener结构的锂离子电池非线性模型的构建。

2.根据权利要求1所述的基于Wiener的锂离子电池非线性建模及其参数辨识方法，其特征在于，所述步骤3)包括如下步骤：

步骤3‑1)辅助模型辨识是用系统的可测信息建立一个辅助模型，用辅助模型的输出代替系统的不可测变量的一种辨识方法，并且通过选择辅助模型的参数变量，使得辅助模型的输出逼近这些不可测变量，从而获得系统参数的一致估计；

步骤3‑2)建立基于Wiener结构的锂离子电池非线性模型，而其中信息向量φ(k)中包含不可测的中间信号m(k)，根据辅助模型思想不可测中间信号由下式更新：极小化准则函数：

其中E表示期望值，从而得到随机梯度算法：其中r(k)为收敛因子，基于辅助模型思想，将 作为辅助模型的参数向量，将由式(13)更新的 代替式(11)中的m(k)得到的信息向量 作为辅助模型的信息向量，因此有：

极小化新准则函数：

得到AM‑SG算法：

3.根据权利要求1所述的基于Wiener的锂离子电池非线性建模及其参数辨识方法，其特征在于，所述步骤4)包括如下步骤：

步骤4‑1)在研究辅助模型随机梯度算法的收敛性后，为提高其收敛速度，在AM‑SG算法中引入遗忘因子λ，得到辅助模型遗忘随机梯度算法，则式(19)更新为：其中遗忘因子λ满足0≤λ≤1；

步骤4‑2)为解决遗忘因子在提高算法收敛速度情况下使得辨识误差增大的情况，在AM‑FG算法中引入收敛指数ε，得到辅助模型修正遗忘梯度算法AM‑εFG，则式(18)更新为：其中收敛指数ε满足0≤ε＜1，在加入收敛指数后AM‑εFG算法参数辨识误差减小，在收敛速度和辨识误差之间找到折中，实验表明AM‑εFG算法优于AM‑SG算法及AM‑FG算法，最终AM‑εFG算法表示为：

4.根据权利要求1所述的基于Wiener的锂离子电池非线性建模及其参数辨识方法，其特征在于，所述步骤5)包括如下步骤：

将步骤1)中测量得到的锂电池负载电流作为模型的输入数据I(k)，将测量得到的锂电池端电压与确定的开路电压之差U(k)‑Uoc(k)作为输出数据y(k)，利用AM‑εFG算法完成参数在线实时辨识，根据式(3)得出a，b，c，d，e的值，最终推导得出锂电池参数Romc，R1，R2，C1，C2的辨识值及端电压估计值 利用辨识得到的电池端电压估计值与实际端电压值构造误差函数δ(k)：

式中δ(k)为预测端电压与实测端电压误差，以此验证模型精度。