一种基于降维的智能优化神经网络锂电池SOH预测方法

本申请公开了一种基于降维的智能优化神经网络锂电池SOH预测方法，包括：基于锂离子电池进行间歇恒流放电的实验数据，对实验数据进行降维预处理，获取电池特征样本；获取BP神经网络模型的节点个数；对BP神经网络模型的参数进行优化，获取NOA‑BP神经网络预测模型；基于NOA‑BP神经网络模型，对电池健康状态进行预测并进行结果分析。本申请在神经网络过程中引入智能优化算法，对神经网络各层初始权值进行优化，不仅提升了模型性能和训练效率，更保证了算法在精度及收敛速度上的优越性。最终优化为NOA‑BP神经网络模型，利用其完成SOH预测，辨识精度较高。