一种航空动力电池数字孪生融合深度学习的健康预测方法

本发明公开了一种航空动力电池数字孪生融合深度学习的健康预测方法，包括以下步骤，构建数字孪生的虚拟电池模型，采集电池数据并进行处理，得到新实时数据矩阵；构建联合训练的多任务深度学习模型，将新实时数据矩阵输入联合训练的多任务深度学习模型进行处理，得到联合训练的多任务深度学习模型预测的SOH值；基于联合训练的多任务深度学习模型预测的SOH值对电池数据进行更新，得到新数据标量，将新数据标量输入数字孪生的虚拟电池模型中，对数字孪生的虚拟电池模型进行更新。本发明通过数字孪生的虚拟电池模型与联合训练的多任务深度学习模型的深度结合，为航空动力电池的健康管理和寿命预测提供高效可靠的解决方案。