一种领域知识引导大语言模型的电池健康状态估计与回收方法

本发明提出一种领域知识引导大语言模型的电池健康状态估计与回收方法，主要涉及机器学习，电池健康评估领域。主要步骤包含：收集电池充放电测量数据与弛豫电压数据，对数据预进行处理；利用交叉注意力联合编码弛豫电压与测量数据，设计序列重编程嵌入方法生成序列嵌入矩阵；构建面向大模型的领域知识提示文本，生成退化知识嵌入矩阵；将两类矩阵融合并嵌入预训练大模型，建立稀疏感知适配器优化输出矩阵，实现目标电池健康的适应性估计。本发明针多工况、多种材质电池健康估计的准确率低、泛化性弱等问题，通过嵌入领域知识，提升大模型的健康状态估计能力，为电池回收利用提供决策依据。