基于机器学习的锂离子电池健康状态预测：进展与展望

（本文为文献解读，仅为个人理解，如有错误，请指正）

一、SOH的预测方法

1.直接校准法：

优点：计算复杂度低、简单易于实现

缺点：对实验条件要求严格、现实难以实现

2.基于滤波器的方法：

优点：良好的动态响应特征、满足实时应用要求

缺点：对模型结构和精度敏感、对环境影响很大

3.基于机器学习的方法：

优点：不需要分析老化机制

缺点：大量的训练和测试数据、效率低

使用ML算法对SOH预测的通用方法流程图

二、特征提取

从四个角度挖掘特征变量，分别为：增量计算、时间、包络面积、模型参数