一种基于SMOE模型和EIS融合数据的电池SOH和RUL联合预测方法

本发明公开一种基于SMOE模型和EIS融合数据的电池SOH和RUL联合预测方法，包括步骤：S1测试并采集电池数据。S2对不同来源的EIS、SOH和RUL数据进行整合。S3使用多个MLP子专家模型分别提取EIS数据特征：将融合后EIS数据，分别作为不同MLP模型的输入数据，提取不同的特征；作为门控网络模型的输入数据，用于训练不同专家子模型的权重。S4生成共享特征表示：将概率最高的2个MLP模型提取到的EIS特征与门控网络模型输出的对应专家权重进行加权求和，得到共享特征表示；S5同时预测电池SOH和RUL。本发明兼顾多源数据融合、多专家模型集成、特征共享等优势，能高性能高效率的预测SOH和RUL。