一种基于迁移学习和无迹粒子滤波(UPF)融合模型的锂电池早期RUL预测方法

本发明提供了一种基于迁移学习和无迹粒子滤波(UPF)融合模型的锂电池早期RUL预测方法，属于动力电池和储能技术领域。本发明使用移动平均法和残差分析法对原始数据集进行平滑和去噪处理，并将处理后的数据划分为源域数据和目标域数据；将源域数据输入Mogrifier LSTM神经网络进行训练，获得一个预训练模型，并利用少量目标域数据对预训练模型进行微调，从而实现同种类型但不同实验环境下其它电池的RUL预测；为进一步提高预测精度，采样双指数容量衰减经验模型建立状态方程；将微调后的模型输出的RUL预测值作为UPF的观测值，通过每次迭代更新得到后验容量预测值，并判断其是否达到容量阈值，从而实现锂电池的剩余使用寿命预测。