本發(fā)明提供一種基于LSTM神經(jīng)網(wǎng)絡(luò)和遷移學(xué)習(xí)的鋰電池剩余壽命預(yù)測方法，包括以下步驟：步驟1：數(shù)據(jù)獲取及數(shù)據(jù)預(yù)處理；步驟2：將數(shù)據(jù)按比例劃分為訓(xùn)練集和測試集；步驟3：搭建源域LSTM神經(jīng)網(wǎng)絡(luò)模型，將源域數(shù)據(jù)訓(xùn)練集輸入神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，將測試集的數(shù)據(jù)輸入神經(jīng)網(wǎng)絡(luò)進(jìn)行測試；步驟4：利用最大均值差異對源域和目標(biāo)域的數(shù)據(jù)差異進(jìn)行衡量，得到源域與目標(biāo)域的分布距離；步驟5：根據(jù)最大均值差異對源域網(wǎng)絡(luò)模型進(jìn)行調(diào)整，得到目標(biāo)領(lǐng)域網(wǎng)絡(luò)網(wǎng)絡(luò)模型，將源域網(wǎng)絡(luò)模型參數(shù)進(jìn)行遷移，將目標(biāo)域數(shù)據(jù)輸入模型進(jìn)行剩余壽命預(yù)測。本發(fā)明能夠通過遷移網(wǎng)絡(luò)模型結(jié)構(gòu)和參數(shù)，減少網(wǎng)絡(luò)訓(xùn)練時(shí)間，提高效率。