简介： 本发明公开了一种基于ARMA和Elman神经网络联合建模的电池健康状态评估方法，该方法包括：基于自回归移动平均(ARMA)模型和Elman神经网络建立融合模型，应用经验模态分解对电池循环次数与剩余容量的实验数据进行处理，对分解得到的本征模态函数IMF分量和残余分量分别进行建模，最后叠加融合模型，生成估计的SOH序列，实现对电池健康状态的准确预测。通过实验验证，本发明考虑了复杂变化对电池健康状态的影响，完成了对钴酸锂的老化测试结果的预测，提高了评估的准确性。