一种基于MBGD-WGAN-GRU的锂离子电池RUL预测方法

本发明公开了一种基于MBGD‑WGAN‑GRU的锂离子电池RUL预测方法；本方法首先通过灰色关联度分析法从原始监测数据中挖掘出与锂离子电池老化特性高度相关的健康因子，构建反映电池退化趋势的特征空间，并将数据集按比例划分为训练集和测试集；然后采用小批量随机梯度下降优化生成对抗网络，生成高保真度的合成数据；接着利用提取的健康因子和扩充训练集对门控循环单元GRU模型进行训练，捕捉电池老化的动态演化规律，实现RUL的高精度预测；最后通过公开测试数据集实现GRU模型的电池RUL预测与验证；本发明通过MBGD优化WGAN实现锂离子训练集数据扩充，使用健康因子序列和扩充后的训练集训练GRU模型，捕捉锂离子电池老化的动态演化规律，实现RUL的高精度预测。