摘要：准确估计锂离子电池的健康状态（SOH）对提升其安全性与延长使用寿命具有重要意义。针对现有数据驱动方法在健康因子表征不充分及模型泛化能力不足的问题，提出一种基于混合健康因子与改进双向门控循环单元（BiGRU）神经网络的SOH估计方法。首先，通过融合充放电曲线特征与二阶等效电路模型参数，构建多维混合健康因子，实现对电池老化行为的全面刻画。随后，引入结合混沌初始化、非线性递减因子以及柯西-高斯混合变异的改进哈里斯鹰优化算法（IHHO），用于优化BiGRU超参数，并集成自注意力机制（SA），构建IHHO-BiGRU-SA模型。最后，基于CALCE与NASA电池数据集对所提模型进行验证。结果表明：IHHOBiGRU-SA模型在CALCE数据集上的平均绝对误差（MAE）与均方根误差（RMSE）分别较传统方法平均降低46.0%和43.9%；在NASA数据集上分别平均降低39.3%和38.7%。实验结果验证了所提方法在SOH估计中的高精度与优异的泛化性能。

        关键词：锂离子电池；健康状态估计；改进双向门控循环单元；混合健康因子

        中图分类号：TM28     文献标识码：A 

      格式引文：陈将宏，杨昊，杨志淳,等. 基于混合健康因子和改进BiGRU神经网络的锂电池SOH估计[J].电气传动,2026,56(09):64-74. CHEN Jianghong，YANG Hao，YANG Zhichun,et al. State of health estimation of lithium-ion batteries based on health indicators and improved BiGRU neural network [J].Electric Drive, 2026,56(09):64-74.