基于分层参数搜索的锂离子电池SOH和RUL预测方法

本发明公开了基于分层参数搜索的锂离子电池SOH和RUL预测方法：S1、采集锂离子电池在充放电循环过程中的特征数据；S2、对特征数据进行预处理与张量构建，生成包含周期内时间步和跨周期历史维度的三维输入张量；S3、划分数据：练集、验证集和测试集；S4、构建基于CNN‑GRU的主干神经网络模型；S5、构建独立并行的SOH预测头与RUL预测头，对多任务特征进行解耦输出；S6、构建包含结构层、动力学层和多任务校准层的三级分层参数搜索空间，搜索网络最优超参数和多任务损失函数权重；S7、利用最优超参数组合配置网络，使用训练集对网络进行训练，当验证集上的性能指标趋于稳定时停止训练，得到联合预测模型；在测试集上进行预测，得到锂离子电池SOH和RUL的预测结果。