一种基于HS-MOE模型和EIS数据的预测电池RUL方法

本发明公开一种基于HS‑MOE模型和EIS数据的预测电池RUL方法，包括步骤：S1测试并采集电池EIS和RUL数据。S2构建HS‑MOE模型：包含2层多专家模型和门控网络模型，每一个层级均包含多个专家子模型和一个门控网络模型；在每一专家层级，使用3个专家子模型，每个子模型均是MLP模型。S3训练和校验HS‑MOE模型：在Keras平台实现模型代码并训练，数据按8:2的比例分成训练集合和测试集合，在训练集合上训练模型，在测试集合上校验模型。S4预测电池RUL：在模型训练完毕后，部署模型并对电池的RUL进行预测。本发明提升模型的表达能力和预测精度，提高整体模型的鲁棒性和泛化能力，减少过拟合风险。