1.一种锂离子电池健康状态估算方法,其特征在于,包括:
获取样本电池的样本应力矩阵,将所述样本应力矩阵输入特征提取网络,基于所述特征提取网络对所述样本应力矩阵进行应力特征提取和特征筛选得到样本应力特征,对所述样本应力特征进行特征曲线提取和曲线筛选得到样本曲线特征,根据所述样本应力特征和所述样本曲线特征建立样本特征集;
将获取的待测电池的电池应力矩阵输入到所述特征提取网络得到待测电池特征,对所述待测电池特征和所述样本特征集进行相似系数估计得到特征相似系数,根据所述特征相似系数确定相似样本电池;
根据所述相似样本电池的标定健康状态确定所述待测电池的电池健康状态。
2.根据权利要求1所述的锂离子电池健康状态估算方法,其特征在于,所述获取样本电池的样本应力矩阵,包括:采集样本电池的薄膜传感应力数据,对所述薄膜传感应力数据依次进行归一化处理、通道设置、统计特性附加和矩阵重塑得到样本应力矩阵。
3.根据权利要求1所述的锂离子电池健康状态估算方法,其特征在于,所述对所述样本应力矩阵进行应力特征提取和特征筛选得到样本应力特征,包括:根据所述样本应力矩阵生成初始状态序列;
对所述样本应力矩阵进行变分自编码得到概率密度分布,对所述初始状态序列和所述概率密度分布进行非对称数字解码得到解码特征;
对于所述解码特征依次进行因果膨胀卷积、二维深度时序卷积和残差连接得到初步应力特征;
对所述初步应力特征进行拉普拉斯筛选得到样本应力特征。
4.根据权利要求1所述的锂离子电池健康状态估算方法,其特征在于,所述对所述样本应力特征进行特征曲线提取和曲线筛选得到样本曲线特征,包括:对所述样本应力特征进行卷积自编码得到潜在特征表示;
对所述潜在特征表示进行展平操作得到展平特征,对所述展平特征进行Dropout正则化和加权非线性转换得到瞬时电荷容量预测值;
根据所述瞬时电荷容量预测值和所述样本电池的对应实验数据构建初步曲线特征;
对所述初步曲线特征进行拉普拉斯筛选得到样本曲线特征。
5.根据权利要求1所述的锂离子电池健康状态估算方法,其特征在于,所述特征曲线提取的网络参数通过无监督训练初始特征曲线提取模块得到,所述无监督训练初始特征曲线提取模块,包括:将所述样本曲线特征进行时序卷积和特征分类构建初始训练数据集,并构建所述初始训练数据集的代价函数;
根据所述代价函数迭代调整所述初始特征曲线提取模块的网络参数值并更新所述初始训练数据集,迭代优化直到所述代价函数不再降低,得到训练完备的特征曲线提取模块。
6.根据权利要求4所述的锂离子电池健康状态估算方法,其特征在于,所述方法还包括:基于均方误差确定所述卷积自编码的自编码损失,基于Huber损失确定所述Dropout正则化和所述加权非线性转换的正则化损失。
7.一种锂离子电池健康状态估算装置,其特征在于,包括:
样本特征构建单元,用于获取样本电池的样本应力矩阵,将所述样本应力矩阵输入特征提取网络,基于所述特征提取网络对所述样本应力矩阵进行应力特征提取和特征筛选得到样本应力特征,对所述样本应力特征进行特征曲线提取和曲线筛选得到样本曲线特征,根据所述样本应力特征和所述样本曲线特征建立样本特征集;
电池特征匹配单元,用于将获取的待测电池的电池应力矩阵输入到所述特征提取网络得到待测电池特征,对所述待测电池特征和所述样本特征集进行相似系数估计得到特征相似系数,根据所述特征相似系数确定相似样本电池;
根据所述相似样本电池的标定健康状态确定所述待测电池的电池健康状态。
8.一种电子设备,包括处理器、存储器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,处理器执行程序时,实现根据权利要求1至6任一项所述的锂离子电池健康状态估算方法。
9.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时,实现根据权利要求1至6任一项所述的锂离子电池健康状态估算方法。