摘要：基于数据驱动的锂离子电池荷电状态(State of Charge, SOC)估计方法已成为研究热点，但目前构建模型所用特征主要还是基于电学参数，在某些场景下导致其性能受限。近年来，超声检测因其无损、高效、高精度的优势被越来越多地应用于电池检测，但如何选择最优的激励频率仍有待进一步探究。本文提出了一种基于啁啾激励导波信号的锂离子电池SOC估计方法，所用的啁啾信号包含多个频率成分，可实现宽频率范围检测。通过单次采集获取多个频率的回波信息后，经过时域分析和希尔伯特—黄变换分别选取了4个模态纯度较高、幅值较大的中心频率，并通过长短期记忆神经网络根据所提取声学特征完成了SOC估计，均方根误差约为3.07%，验证了最佳激励频率选择的必要性和有效性。