基于边界积分增强型物理信息神经网络的电池温度场重构方法

本发明公开了一种基于边界积分增强型物理信息神经网络的电池温度场重构方法，该方法针对稀疏传感器数据下电池模块瞬态温度场重构与物理系数反演的挑战，通过在深度神经网络损失函数中引入边界积分损失作为空间强物理约束、Runge‑Kutta损失作为时间强物理约束，并结合分阶段学习率退火算法自适应平衡各项损失权重，实现了电池模块内部瞬态温度场的高精度重构与物理系数的同步反演，克服了传统物理信息神经网络在稀疏数据下收敛慢、精度低、泛化能力不足等问题，重构结果可反馈至数字孪生平台，以支持电池健康管理和热失控预警。