技術特征：

1.一種高溫老化試驗設備二次電源健康狀態評估方法，其特征在于，所述方法包括：

2.根據權利要求1所述的方法，其特征在于，所述殘差卷積神經網絡模型包括：卷積層、批量規范化層、激活函數、最大池化層、多個殘差塊、全局平均池化層以及全連接層。

3.根據權利要求1所述的方法，其特征在于，所述殘差卷積神經網絡模型通過如下方式訓練得到：

4.根據權利要求3所述的方法，其特征在于，所述方法還包括：

5.根據權利要求4所述的方法，其特征在于，基于預設多距離度量算法，計算所述第二概率空間與所述健康基線間的距離的步驟，包括：

6.一種高溫老化試驗設備二次電源健康狀態評估裝置，其特征在于，所述裝置包括：

7.根據權利要求6所述的裝置，其特征在于，所述殘差卷積神經網絡模型包括：卷積層、批量規范化層、激活函數、最大池化層、多個殘差塊、全局平均池化層以及全連接層。

8.根據權利要求6所述的裝置，其特征在于，所述裝置還包括訓練模塊，用于訓練殘差卷積神經網絡模型，所述訓練模塊包括：

9.根據權利要求8所述的裝置，其特征在于，所述訓練模塊還包括：

10.一種電子設備，其特征在于，包括處理器、通信接口、存儲器和通信總線，其中，處理器，通信接口，存儲器通過通信總線完成相互間的通信；

技術總結
本發明公開了高溫老化試驗設備二次電源健康狀態評估方法及裝置，該方法包括：采集待評估高溫老化試驗設備二次電源監測信號；對電流、電壓輸出監測信號進行特征提取，混合電源紋波波動率、MOSFET殼溫至結溫等退化曲線得到多維特征序列；將多維特征序列輸入預先訓練好的殘差卷積神經網絡模型中，得到高溫老化試驗設備二次電源的退化特征狀態；在高溫老化試驗設備二次電源為退化狀態的情況下，基于多維特征序列映射后的概率空間點和殘差卷積神經網絡模型中的健康基線，確定待評估高溫老化試驗設備二次電源的狀態退化曲線，以確定高溫老化試驗設備二次電源健康狀態。

技術研發人員：馬劍,張明輝,鄒新宇,卓玲佳,王華梁,王迅,呂琛,董磊
受保護的技術使用者：杭州市北京航空航天大學國際創新研究院（北京航空航天大學國際創新學院）
技術研發日：
技術公布日：2025/4/28