基于深度学习与超声特征融合的电池荷电状态检测方法

本发明公开一种基于深度学习与超声特征融合的电池荷电状态检测方法，包括下述步骤：采集电池超声信号和电池电学参数并进行预处理；提取超声幅值；提取电池电压、表面温度、超声幅值、相位差的特征并融合；基于WAA加权平均优化算法对BiTCN‑BiLSTM‑Multi‑Head Attention网络参数取值进行寻优，基于双向时间卷积网络BiTCN提取特征矩阵中与电池SOC有关的基本特征，基于BiLSTM网络提取基本特征中与电池SOC有关的长期信息，基于Multi‑Head Attention网络提取长期信息中与电池SOC有关的重要特征，通过全连接层输出电池SOC的预测值。本发明能提高电池SOC的估算精度。