本發(fā)明涉及一種基于WSA?LSTM算法的新能源汽車動(dòng)力電池剩余使用壽命自適應(yīng)預(yù)測(cè)方法，通過(guò)構(gòu)建健康特征全集，實(shí)現(xiàn)了充放電過(guò)程動(dòng)力電池退化特征全面分析；結(jié)合Pearson和Spearman相關(guān)系數(shù)計(jì)算以及熵權(quán)法，提取對(duì)影響較大的主要特征，剔除無(wú)關(guān)影響因素，實(shí)現(xiàn)了對(duì)輸入監(jiān)測(cè)數(shù)據(jù)的簡(jiǎn)化處理來(lái)；采用基于鯨魚(yú)群算法(Whale Swarm Algorithm，WSA)與長(zhǎng)短時(shí)神經(jīng)網(wǎng)絡(luò)(Long Short?Term Memory，LSTM)結(jié)合對(duì)輸入特征數(shù)據(jù)進(jìn)行訓(xùn)練，實(shí)現(xiàn)動(dòng)力電池剩余使用壽命快速精確預(yù)測(cè)?；谛履茉雌嚦浞烹娬鎸?shí)數(shù)據(jù)，驗(yàn)證了該方法具有良好的魯棒性，能夠?qū)崿F(xiàn)各類型鋰離子電池的動(dòng)態(tài)精確預(yù)測(cè)，為充電裝置監(jiān)測(cè)并提升新能源汽車安全性能提供重要技術(shù)支撐。