随着深海装备、国防领域和航空航天领域的发展,锌银电池因其具有高比能量、高比功率等优点被广泛使用,由于单体电池并不能满足大功率和高容量场合的应用要求,通常需要几十节甚至上百节锌银单体电池串并联成组使用。但由于锌银单体电池间存在差异,锌银电池成组使用后,连续的充放电循环使单体电池的差异被放大,造成锌银电池组容量衰减和寿命降低,甚至引发安全问题。所以在锌银电池成组前通过分选提高参与配组单体电池初始性能的一致性显得尤为重要。本文首先介绍了课题研究背景及意义,分析了锌银电池发展现状和电池分选研究现状,研究了锌银电池工作原理和特点,总结了锌银电池不一致性原因、表现形式和解决办法。其次,介绍了支持向量机(Support vector machine,SVM)的基本理论,从线性标准SVM推广到非线性标准SVM,从二分类问题推广到解决多分类问题,并研究了最小二乘支持向量机(Least square-Support vector machine,LS-SVM)电池分选方法,该方法用等式约束代替标准SVM的不等式约束,将二次规划问题转化为线性方程组求解,降低了计算复杂性,具有更快的求解速度和更好的鲁棒性。为解决传统的利用先验知识分类建立LS-SVM模型的局限,以提高模型准确性,提出了基于模糊C均值(Fuzzy C-means,FCM)的LS-SVM模型建立方法。研究了FCM聚类算法,通过FCM聚类算法获得电池样本分类,利用分类结果进行LS-SVM模型训练及测试。通过仿真对比了不同方法的性能,验证了LS-SVM模型的优越性。最后,介绍了锌银电池分选测试平台,设计了电池容量衰减实验。实验结果表明,采用基于FCM的LS-SVM模型预测方法可以快速、有效地对锌银进行分选,并且能够提高电池组的动态一致性。