一种基于VDM-CNN-LSTM神经网络的机器人锂电池SOC预测方法

本发明公开了一种基于VDM‑CNN‑LSTM神经网络的机器人锂电池SOC预测方法。涉及神经网络、机器人、锂电池等技术领域,对锂电池在机器人应用中需要准确预测电量状态以防止过度放电或损坏的问题，本发明提出了一种高效精准的SOC预测方法。具体方法包括：首先通过VDM对锂电池运行数据进行多尺度分解，提取内在模态函数(IMFs)；利用CNN捕捉频率特征的空间关联性，结合LSTM建模时序动态变化，最终通过全连接层输出高精度SOC预测值。实验结果表明，该方法在复杂工况下RMSE降低至0.017，较传统LSTM提升56.4％，满足实时性需求，该方法具有良好的鲁棒性和实用性，可在复杂工况下保持高精度预测。