LL-X辨识电池等效电路参数
针对锂离子电池分数阶等效电路模型参数辨识效率低、物理可解释性弱的痛点，提出了一种基于零输入响应解析解的LL-X辨识方法。该方法依托Caputo定义推导得到分数阶系统的Mittag-Leffler函数形式松弛解析解，将传统依赖粒子群、遗传算法等全局随机搜索的辨参问题，转化为带物理约束的非线性最小二乘拟合问题，从机制上规避了群体智能算法的冗余计算开销。

为匹配电池多时间尺度极化特性，研究设计了两阶段辨识框架：首先利用HPPC脉冲测试后的短时松弛窗口（60s）拟合短时极化支路的电阻、时间常数与分数阶阶数，再基于长时静置窗口（3600s）固定短时参数，拟合表征固相扩散的长时极化支路参数，有效缓解了多参数耦合带来的优化难度。

实验验证覆盖16.8Ah富锂锰基电池与5只不同老化程度的NCM622电池（SOH 81.2%~98.5%），跨5℃、25℃、45℃多温度工况。结果显示，相比PSO、PSO-GA等主流全局优化算法，LL-X方法辨识耗时降低90%以上，电压预测均方根误差至少降低10mV；相较于传统整数阶RC模型，分数阶模型在动态工况下的电压跟踪精度提升显著，尤其在低温、低SOC等极化较强的场景下优势更为突出，同时单步计算仅需微秒级耗时，兼顾了精度与工程落地可行性。

研究首次实现了富锂锰基电池的分数阶建模，验证了LL-X方法在复杂电化学体系下的适用性，为分数阶模型在电池管理系统中的实际应用提供了高效、物理意义清晰的解决方案，也为后续在线参数更新与状态估计奠定了方法基础。