基于时频域特征解耦和动态补偿机制的锂离子电池健康状态估计方法

基于时频域特征解耦和动态补偿机制的锂离子电池健康状态估计方法，包括：收集锂离子电池多次充放电的实际数据，作为初始数据集；对初始数据集进行特征模态分解，通过解耦得到频域数据；将解耦得到频域数据和原始的时域数据输入训练模型中，得到预测的锂离子电池容量；将锂离子电池的实时容量以及最大容量反馈给训练模型，完成训练后得到容量的预测值，实现对锂离子电池健康状态的估计。该方法通过融合电池运行中的时域信号与频域特征，结合解耦特征提取与时频补偿学习机制，实现电池容量退化与内部状态演变的精准建模，可应用于电动汽车、储能系统及消费电子设备的电池健康监测与寿命预测。