关键词：锂离子电池;健康状态预测;CNN-BiLSTM-AT模型;电池管理
摘 要：快速准确的健康状态预测能够提高新能源汽车锂离子电池的长期使用安全性和可靠性，可为电池管理系统的优化提供可靠的数据支持。结合卷积神经网络（CNN）、双向长短期记忆网络（BiLSTM）和注意力机制（AT）技术，提出并验证了CNN-BiLSTM-AT混合模型的预测有效性。以三元锂电池和磷酸铁锂电池为例，将CNN-BiLSTM-AT模型与其他6种预测模型进行对比。结果表明：CNN-BiLSTM-AT模型在多种电池类型和不同循环次数下均表现出色，具有最低的均方根误差和平均绝对误差，且决定系数R2接近1，显著优于其他模型。
内 容：原文可通过湖北省科技资源共享服务平台(https://www.hbsts.org.cn/)获取