基于星运算-A3C的电池模拟器电路健康评估方法

本发明公开了基于星运算‑A3C的电池模拟器电路健康评估方法，该方法将高频电流信号进行归一化处理，采用周期稀疏方法进行信号重构得到周期稀疏数据；采用递归图方法将其转换为评估特征图；引入改进的星运算卷积网络，结合A3C算法的多线程Actor‑Critic协同机制，Actor网络自适应调整特征融合权重，Critic网络评估特征融合价值，动态捕获高阶特征关联；采用基于能量谷算法优化后的支持向量机，实现电池模拟器电路健康状态评估。本发明通过星运算‑A3C的特征协同优化与并行计算加速，实现电池模拟器电路健康状态评估，具有显著的技术优势和应用价值。