1.一种预测电池健康状态的方法，其特征在于，包括以下步骤：(1)、提取特征

(1.1)、提取现有电池S在每一次完整充放电过程中的恒流充电时间、恒压充电时间、容量增量曲线最大值、放电等压差时间间隔、欧姆内阻五个特征，以及健康状态SOH，构成集合其中，x和y分别表示特征向量和SOH，下标为循环次数，m表示电池S在整个寿命周期中的总循环次数；

(1.2)、提取新电池T在前n次完整充放电过程中的恒流充电时间、恒压充电时间、容量增量曲线最大值、放电等压差时间间隔、欧姆内阻五个特征，以及健康状态SOH，构成集合(2)、数据预处理利用matlab中的mapminmax函数分别对DS和DT中的特征x做归一化处理；

(3)、确定待优化参数

(3.1)、设置优化参数 初始化参数Θ＝rand(5,1)，其中，l,σ表示高斯核函数中待优化的参数， 表示电池S和电池T的测量误差；

S T

(3 .2) 、设D 满足先验分布 D 满足先 验分布其中，参数 Im,In分别表示m*m维和n*n维单位矩阵；

(3.3)、计算联合分布概率p(YT,YS|XS,XT)；

其中，K()为高斯核函数，满足 上标T表示转置，KSS和KTT分别表示DS和DT各自的核矩阵，KST表示交叉域的核矩阵；

(3.4)、根据联合分布概率p(YT,YS|XS,XT)，利用贝叶斯公式计算条件分布概率p(YT|YS,XS,XT)；

(3.5)、通过对优化参数 取值适当值，使条件分布概率p(YT|YS,XS,XT)最大，从而构建最大化优化目标函数：其中，

再利用协方差矩阵自适应进化策略优化目标函数，从而确定优化参数Θ的取值。

(4)、预测电池T的SOH

(4.1)、提取电池T第n+1次完整充放电过程中的恒流充电时间、恒压充电时间、容量增量曲线最大值、放电等压差时间间隔、欧姆内阻五个特征构成集合 x*表示第n+1次提取的特征向量，y*表示待预测的SOH；

利用matlab中的mapminmax函数对特征向量x*进行归一化处理；

(4.2)、将优化后的参数 代入到步骤(3.3)中的联合分布概率计算公式中，重新计算新的联合分布概率，记为p(Y|X)，(4.3)、计算Y与y*的联合分布概率p(y*,Y∣x*,X)；

其中， K*表示DS和DT中的特征向量X与 中x*的核矩阵，K**表示 中*

x自的核矩阵；

(4.4)、利用贝叶斯公式计算条件分布概率p(y*∣x*,X,Y)；

(4.5)、根据条件分布概率p(y*∣x*,X,Y)，令y*＝K*K-1Y，并作为新电池T第n+1次完整充放电过程中的SOH。