基于三角拓扑聚合优化算法优化CNN-BiLSTM-AM模型的锂离子电池健康状态预测方法

本发明涉及一种基于三角拓扑聚合优化算法优化CNN‑BiLSTM‑AM模型的锂离子电池健康状态预测方法，属于锂离子电池健康状态估计领域。获取数据集，从数据集中提取健康因子，并经过相关性分析后建立特征样本数据，并将其划分为训练集和测试集；建立用于预测锂离子电池健康状态的CNN‑BiLSTM‑AM模型；筛选模型的初始关键参数，采用三角拓扑聚合优化算法优化初始关键参数；根据优化后的初始关键参数，结合训练集和测试集对模型进行训练和测试；实时获取锂离子电池数据，利用训练完成的模型对锂离子电池健康状态进行实时预测。本发明运用TTAO算法寻找模型的初始最优参数组，提高模型的训练速度和学习能力，使其能够更迅速、更准确地预测锂电池的健康状态。