融合模糊系统和深度学习的锂离子电池健康管理方法

本发明公开了融合模糊系统和深度学习的锂离子电池健康管理方法，如下：步骤一、构建物理信息和模糊混合深度学习模型；步骤二、训练物理信息和模糊混合深度学习模型，训练样本的特征输入全连接深度神经网络，得潜在解；计算潜在解对每个输入特征的偏微分；其中非标记特征的偏微分、输入特征、以及潜在解的任意组合输入TSK模糊系统，通过函数F将潜在解对标记特征的偏微分与TSK模糊系统输出融合；基于损失函数，采用反向传播方法训练物理信息和模糊混合深度学习模型，训练好得到优化模型；步骤三、预测锂离子健康状态。该方法将TSK模糊系统取代深度神经网络表示物理信息神经网络的非线性动力学，提高锂离子电池健康状态估计的精确度。