为进一步推动汽车科技创新与产业创新融合发展，促进科技成果转化为现实生产力，“繁星计划”将持续推荐新能源、新材料、智能网联、飞行汽车、人工智能、具身智能、先进制造等领域不同产业化阶段成果，加速技术价值释放。
新能源汽车（NEV）动力电池的健康状态（SOH）在服役过程中发生衰退，导致可用容量降低、峰值功率下降，影响整车服役状态和车辆用户的使用体验。这些问题为零部件供应商生产制造、整车厂家预测运维和第三方后市场服务带来了挑战。针对现有技术瓶颈，面向紧迫的产业需求，团队与中国汽车工程研究院有限公司、长安汽车、赛力斯汽车、比亚迪等企业开展紧密的产学研协同攻关，同时与建立了密切的学术合作关系，提出了基于多模态深度融合框架的SOH评估与预测模型。
从NEV海量历史运行数据中提取整车状态、用户行为习惯、电池老化状态等多维度特征，利用无监督学习方法实现动力电池衰减模式聚类，建立了泛化能力强、准确性高的多模态深度神经网络模型实现SOH的估计，构建多任务学习网络实现电池容量衰减轨迹、老化速率、跳水点、寿命终点等多目标寿命预测，融合物理信息和神经网络模型，引入迁移学习技术进一步增强模型性能。
项目相关算法应用于长安汽车大数据平台、中国汽研动力电池快速检测装备和云端监管平台等，实现大规模动力电池SOH评估与预测。