基于深度神经网络的锂离子电池预测与健康管理方法

本发明公开了基于深度神经网络的锂离子电池预测与健康管理方法，包括如下：步骤一、构建基于深度神经网络的模型；步骤二、学习基于深度神经网络的模型：将学习样本输入全连接深度神经网络，输出锂离子健康状态的预测值；计算U(t,x)对每个特征参数的偏微分；将偏微分集中次要特征参数对应的偏微分、学习样本和U(t,x)中的至少一个输入第一模块，得到输出，并输入第二模块，通过多个可学习参数进行非线性映射，得到输出特征；基于参数优化模块的损失，得到学习后的模型；步骤三、将待测试电池的特征参数输入学习后模型，得到待测试电池的健康状态预测值。该方法采用模糊系统与深度神经网络链接，提高锂离子健康状态估计的精确度。