基于机器学习的电池导热胶涂覆位置优化方法及系统

本发明涉及电池热管理技术领域，公开了基于机器学习的电池导热胶涂覆位置优化方法及系统。该方法获取目标电池包结构与运行工况参数，划分热传导子区域；接着采集历史温度分布数据序列，提取热流波动极值及对应热传导路径特征；随后构建以热传导子区域为节点、热流波动极值为节点属性、路径特征为连接权重的拓扑网络；利用图卷积神经网络学习网络特征，输出各子区域热传导影响因子集合，据此计算热阻系数并筛选超阈值区域形成候选优化集合；最后将候选区域路径特征输入预训练涂覆决策模型，依据输出的优先级评分排序，选取预定数量高分区域作为目标涂覆位置，实现导热胶涂覆的精准优化。