一种基于HBHTS算法优化CNN-LSTM-Attention模型的锂离子电池RUL预测方法

本发明公开了一种基于HBHTS算法优化CNN‑LSTM‑Attention模型的锂离子电池RUL预测方法；本发明从所测的电池充放电电压、电流、温度的数据中提取三个的健康因子作为模型的开始输入数据，利用HBHTS算法的寻找最优的CNN‑LSTM‑Attention模型的学习率、训练周期等不同的参数；通过优化后的HBHTS‑CNN‑LSTM‑Attention估计模型构建锂离子电池健康因子与RUL的映射关系，实现对电池剩余寿命的的估计；该方法结合了优化后的HBHTS算法、CNN‑LSTM‑Attention神经网络模型，实现了电池剩余寿命的迅速预测；本发明有助于提高汽车的电池管理系统BMS对于车辆电池剩余寿命估算的效率和可靠性。