一种基于SMOE模型和电池数据进行SOH和RUL联合预测方法

本发明公开一种基于SMOE模型和电池数据进行SOH和RUL联合预测方法，包括如下步骤：S1.测试并采集电池电流、电压、温度和容量数据。S2.构建SMOE模型：包括多个专家子模型和一个门控网络模型；每个子模型均是CNN‑Transformer模型，并且选取概率最高的2个子专家参与计算。S3.训练和校验SMOE模型：在Keras平台实现SMOE模型代码并训练，训练数据按8：2的比例分成训练集合和测试集合。S4.预测电池SOH和RUL：在模型训练完毕之后，部署模型并对电池的SOH和RUL进行预测。本发明兼顾多目标预测、多专家模型、精度、效率和鲁棒性等综合优势，能够高性能高效率预测电池SOH和RUL。