基于神经网络与周期核函数GPR的锂电池健康状态预测方法

摘要

本发明提供了一种基于神经网络与周期核函数GPR的锂电池健康状态预测方法，该方法包括：基于神经网络核函数以及周期核函数确定协方差函数，以构建GPR预测模型；对GPR预测模型中的均值函数和协方差函数中的超参数进行初始化；利用对数极大似然估计函数对超参数进行最优化；将训练数据和测试数据输入到GPR预测模型中，以获得测试数据的值。本发明的上述锂电池健康状态预测方法，能够使得对电池SOH值的预测的准确度和精度较高，不确定度较低。