本發(fā)明涉及鋰離子電池檢測(cè)技術(shù)領(lǐng)域，具體公開(kāi)了一種基于CNN?BiLSTM?AT混合模型的鋰離子電池健康狀態(tài)預(yù)測(cè)方法，其中，方法包括：采集鋰離子電池充放電過(guò)程中的參數(shù)數(shù)據(jù)，作為輸入數(shù)據(jù)；對(duì)參數(shù)數(shù)據(jù)進(jìn)行數(shù)據(jù)預(yù)處理，將數(shù)據(jù)劃分為訓(xùn)練集和測(cè)試集；將訓(xùn)練集輸入卷積神經(jīng)網(wǎng)絡(luò)中，經(jīng)過(guò)卷積和池化操作，輸出深層特征矩陣；深層特征矩陣輸入雙向長(zhǎng)短期記憶神經(jīng)網(wǎng)絡(luò)中，通過(guò)正向和反向?qū)ζ溥M(jìn)行雙向深度分析，建立數(shù)據(jù)過(guò)去和未來(lái)之間的相關(guān)性；添加注意力機(jī)制層，增強(qiáng)模型對(duì)特征信息的學(xué)習(xí)，為相關(guān)性更高的特征賦予更高的權(quán)重；訓(xùn)練CNN?BiLSTM?AT混合模型，輸入測(cè)試集，全連接層輸出鋰離子電池SOH預(yù)測(cè)值；制定CNN?BiLSTM?AT混合模型預(yù)測(cè)精度和鋰離子電池健康狀態(tài)的評(píng)價(jià)標(biāo)準(zhǔn)，用來(lái)評(píng)判模型預(yù)測(cè)SOH值的準(zhǔn)確性，并預(yù)測(cè)該鋰離子電池的健康狀態(tài)。