结合物理信息机器学习的跨模态特征融合估计锂离子电池健康状态

摘要

随着新能源汽车的快速发展，锂离子电池的健康状态（SOH）评估成为保障电池安全性

和可靠性的关键技术。传统基于模型的方法往往受限于建模困难、泛化性不足等问题，而新

兴的数据驱动的方法虽然一定程度上克服了这些问题，但其内在的不可解释性以及对大量数

据的依赖性也带来了新的挑战。为实现对电池SOH的高精度和高可靠性评估，本文提出了

一种融合物理建模与数据驱动机制的混合方法，以充分发挥二者的互补优势。此外，该方