一种基于SMOE模型和电池融合数据的SOH和RUL联合预测方法

本发明公开一种基于SMOE模型和电池融合数据的SOH和RUL联合预测方法，包括步骤：S1.测试并采集电池数据。S2.对不同来源的数据进行融合。S3.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‑BiLSTM模型；CNN模型提取输入数据的空间特征，BiLSTM模型提取输入数据的时序规律。S4.训练和校验SMOE模型：在Keras平台实现模型代码并训练。S5.预测电池SOH和RUL：在模型训练完毕后，部署模并预测电池SOH和RUL。本发明基于SMOE模型，对不同来源的数据进行融合，使用CNN和BiLSTM模型组合多个专家模型，提高整体模型的表达能力和预测精度。