来源：期刊VIP网 时间：
作者：胡远志;陈飞;刘西;冯仁华;舒星;
单位：重庆理工大学汽车零部件先进制造技术教育部重点实验室;
摘要：锂离子电池在长期使用过程中易发生容量衰退，显著影响电动汽车的续航性能和安全。为精准评估电池的健康状态（SOH），建立了一种融合长短期记忆神经网络（LSTM）和Informer网络的锂离子电池SOH估计方法。采用局部离群因子（LOF）算法对实验电池的充电数据进行预处理，提取电池充电电压曲线的最大切线角及其对应时间作为健康特征，并基于Spearman相关系数分析了其与SOH之间的相关性。结合LSTM在局部特征提取方面的优势与Informer捕捉全局依赖关系方面的能力，构建了融合LSTM与Informer的串联网络，并将提取的健康特征作为模型输入，实现了对电池SOH的精确估算。实验结果表明，该方法在估算精度上具有显著优势，最大绝对误差可控制在2.5%以内，均方根误差（RMSE）和平均绝对值误差（MAE）均控制在1%以内。与传统单一网络对比，该方法具有更优的估算性能与泛化能力。
关键词：锂离子电池;;电池健康状态(SOH);;异常值处理;;长短期记忆(LSTM)网络;;Informer网络
基金资助：国家自然科学基金（52407237）;; 重庆市技术创新与应用发展专项（CSTC2021jscx-cylhx0006,CSTB2023TIAD-STX0036）;; 重庆市自然科学基金（CSTB2024NSCQ-MSX0389,CSTB2023NSCQ-LZX0065）;; 重庆市教委科学技术研究计划（KJQN202401129）
