1.基于相关性分析与VMD‑LSTM的锂离子电池剩余寿命预测方法，其特征在于包括以下步骤：(1)由于锂离子电池放电功率、恒流充电时间、放电平均温度、放电截至电压以及恒流充电时间与恒压充电时间的比值与电池容量具有较强相关性，作为预测锂离子电池RUL的HI，对锂离子电池的特征参数进行与容量间的相关性分析，得出特征参数与容量之间的相关系数，选取相关性最强的特征参数作为预测锂离子电池RUL的HI；

(2)考虑到锂离子电池容量退化趋势分为全局衰减、局部再生和其他噪声3个部分，因此采用VMD对选取出的HI进行多尺度分解得到3组模态分量；

(3)利用训练好的LSTM对3组模态分量进行锂离子电池RUL预测，最后将3组预测结果进行累加以实现锂离子电池RUL的精准预测。

2.根据权利要求1所述的基于相关性分析与VMD‑LSTM的锂离子电池剩余寿命预测方法，其特征在于，所述步骤(1)具体包括：通过公开的数据集获得锂离子电池放电功率、恒流充电时间、放电平均温度、放电截至电压以及恒流充电时间与恒压充电时间的比值,并计算上述特征参数与容量之间的Person系数。

3.根据权利要求1所述的基于相关性分析与VMD‑LSTM的锂离子电池剩余寿命预测方法，其特征在于，所述步骤(2)具体包括：VMD设定原始信号f为有限个模态分量uk(t)复合而成，通过Hibert变换计算每个uk(t)单边频谱，然后通过混合中心频率wk，将uk(t)的频谱调制基带宽，最后求解使uk(t)之和最小带约束条件的变分模型，如公式(1)所示：式(1)中δ(t)为狄克拉函数，δ(t)为梯度运算，*表示卷积运算；

上述变分模型求解思路是：

引入二次惩罚因子α和拉格朗日算子λ(t)，将约束问题转化成非约束问题：式(2)中，<>表示内积运算；

引入乘法算子交替方向法迭代更新uk，wk和λ，寻找(2)式的鞍点，即为约束变分方程的最优解，利用Parseval/Plancherel Fourier理论得到 在频域的表达式 n表示迭代次数；

初始化 然后根据(3)～(6)式更新

和

式(5)中τ表示带宽；

迭代终止条件为

式(6)中，ε表示判别精度且大于0；

令相关性最强的HI的数据为H(t)，其VMD分解结果为：式(7)中，N为模态分量个数，考虑到电池容量退化趋势由全局衰减、局部再生和其他噪声这三部分组成，因此将N设置为3，经VMD分解后得到主趋势数据u1(t)和局部波动数据u2(t)，u3(t)。

4.根据权利要求1所述的基于相关性分析与VMD‑LSTM的锂离子电池剩余寿命预测方法，其特征在于，所述步骤(3)具体包括：(4.1)将经VMD分解后得到主趋势数据u1(t)和局部波动数据u2(t)，u3(t)输入到训练好的LSTM模型中；

(4.2)将得到的预测结果进行累加， 得到最终的锂离子电池寿命预测结果。