UAM-PINN的锂电SOH与膝点估计方法及系统

本发明公开一种UAM‑PINN的锂电SOH与膝点估计方法及系统，涉及新能源电池管理与人工智能交叉应用技术领域。方法包括：提取宏观电化学老化代理指标，规避微分噪声并表征容量曲线峰演化规律；构建数据驱动与物理约束并联的双分支网络，经可学习门控机制融合输出健康状态初估值；通过基于安时吞吐量的半经验退化动力学约束辨识老化速率参数，并采用同方差不确定性自适应加权机制动态平衡多损失项，辅以物理预热系数保障训练稳定；结合全寿命时序演化与指标突变特征识别膝点。本发明实现了数据拟合与物理约束的动态平衡，在抑制预测震荡与虚假回升的同时，准确感知退化膝点，提升了复杂工况下的估计鲁棒性与工程适用性。