摘要
本发明属于锂电池剩余寿命预测领域,公开了一种基于动态不确定性建模的锂电池剩余寿命实时预测方法,通过多传感器协同采集锂电池全生命周期数据,结合卷积神经网络构建动态健康评分,有效捕捉数据的非平稳与非线性特性。进一步采用非平稳随机过程量化健康评分的不确定性,并通过联合优化目标函数同步调整相关参数以增强模型对复杂退化模式的适应性。基于贝叶斯推理框架动态更新非平稳随机过程参数,结合历史数据与实时观测值的共轭先验分布,实现参数自适应调整与锂电池剩余寿命的动态预测。该方法既弥补了传统数据驱动方法缺乏物理可解释性的缺陷,又克服了单一模型驱动方法因电池退化机理复杂导致的精度不足问题。