一种基于格拉姆混合场的锂电池健康状态估计方法

本发明提出了一种基于格拉姆混合场的锂电池健康状态估计方法，以改善对于锂电池实际应用场景多数据源的融合不足问题，提高对锂电池的寿命以及安全性的评估。本发明提出一种创新的方法，基于锂电池数据集时间序列数据的预处理，将其通过格拉姆混合场转化为图像数据集，将不同序列有效融合，并导入传统的深度学习模型Resnet中，显著提升了模型估计性能和泛化能力。本发明在锂电池健康状态估计方面有明显的效果，显著降低了锂电池健康状态估计的误差，强调了多模态融合在稳健的电池健康预测方面的潜力。为锂电池寿命以及安全性评估提供了重要的现实和指导意义。