基于相对位置矩阵和残差网络的电池早期寿命预测方法

本发明公开了一种基于相对位置矩阵和残差网络的电池早期寿命预测方法，本发明利用相对位置矩阵将原始时间序列数据转换为图像矩阵，在保持了时间序列特征的情况下，突出了原始数据的细微特征，对特征信息进行了增强，同时方便后续使用图像算法或模型进一步处理；利用残差网络来自动提取不同深度的隐藏特征信息并对多通道空间特征信息融合充分探索，残差网络在保持高性能的同时，所需要的参数量如样本容量‑电压关系数据和真实寿命数据等较少，易于训练；训练好的残差网络能够准确输出电池寿命预测结果，从而有利于对电池的使用和维护做出适当的安排，保障电池的使用安全和降本增益。本发明广泛应用于电池健康检测技术领域。