一种基于机器学习的电池状态评估方法

本发明公开一种基于机器学习的电池状态评估方法，通过采集多种电池使用环境下的电池数据，并标注电池状态；采用基于低秩矩阵插值的SMOTE算法对采集的电池数据进行样本生成；并将生成的数据和原始数据一起构成扩充后的数据集，对数据对特征提取模型进行训练，并在训练过程中采用自适应振荡方法优化特征提取模型的训练过程；将特征提取模型提取的电池状态数据对应的特征输入到基于分数阶求导的黎曼神经网络分类算法的分类器模型中进行分类器模型的训练；将采集的待评估电池的电池数据输入训练完成的特征提取模型中进行特征提取，再将提取得到的特征输入训练后的分类器模型中进行分类，得到待评估电池的状态。本发明能够提升电池的健康状态评估精度。