锂离子电池的健康监测很重要。 结合数据驱动模型和经验模型,提出一种组合估计模型。 首先使用基于长短期记忆 网络(LSTM)模型的数据驱动方式进行电池健康状态(SOH)初步估计,然后将工况中的在线估计值用于拟合双指数经验模 型,再进一步通过观测值和估计值的误差和增益,更新双指数模型对应的参数,以此进行迭代,实现更精确的 SOH 实时估 计。 该组合估计模型能够准确估计锂离子电池的 SOH,且当观测器的修正周期为单个循环周期时,估计结果的平均绝对误 差(MAE)均值和均方根误差(RMSE)均值分别为 0. 003 3 和 0. 004 2,优于单纯 LSTM 数据驱动下的 SOH 估计性能。