简介： 基于半监督协同训练框架的锂离子电池健康状态估计方法，包括基于实验数据的监督学习建模、基于工业无标签数据的协同训练、在线SOH估计3个步骤；本发明将少量、难获取的实验有标签数据与大量、易获取的工业无标签数据结合起来，基于半监督协同回归的方式进行模型的迭代更新，以最终模型的预测平均值作为锂电池在线SOH估计结果；本发明公开的SOH估计方法从电池大量的无标签充电数据中挖掘信息，通过为无标签数据标记伪标签的方式丰富训练数据，基于半监督学习方法的最终SOH估计结果在精度和鲁棒性能方面都优于传统的监督学习SOH估计方法；本发明提出了利用大量无标签数据改善电池SOH估计的高效技术，具有广阔的工程应用与产业推广前景。