一种基于IALA算法优化VMD-LSTM模型的锂电池RUL预测方法及系统

本发明公开了一种基于IALA算法优化VMD‑LSTM模型的锂电池RUL预测方法及系统，所述方法包括：获取锂电池容量衰退数据；利用IALA算法优化VMD模型中的超参数，将锂电池容量衰退数据分解成残差序列和IMF分量；为每个分量构建独立的LSTM模型，利用IALA算法优化各LSTM模型的超参数，再将对应分量的训练集输入至优化后的LSTM模型中进行训练，得到多个优化的IALA‑LSTM模型；将各分量对应的测试集分别输入至优化的IALA‑LSTM模型，生成多组预测序列，采用并行集成策略融合处理预测结果，输出RUL的集成预测值；本发明可以克服现有锂离子电池剩余使用寿命预测方法的不足，通过IALA算法实现VMD和LSTM超参数的协同优化，为电池寿命管理提供更可靠的技术支撑，有效提升设备运行的可靠性和经济效益。