无人机电池管理系统通过云端互联互通形成对机群整体能量的管理是无人机集群化发展的必然结果。但是,完全基于云端的电池管理不能满足电池保护的实时性要求,而且,在断网后单机电池管理系统无法通过有限的存储计算能力提供全面精准的电池分析数据。因此,研究如何将云端存储计算优势和终端实时处理优势有效混合,形成可靠的、全面的、多场景的电池全生命周期信息,就成为提升集群化后无人机在日常维护、飞行控制、任务规划、备件保障等方面管理水平的关键。本课题的主要研究内容如下。首先,对无人机集群及其利益攸关方进行需求分析,确定混合电池管理系统的技术要求,制定系统总体设计方案。通过搭建端云协同的混合电池管理系统的实验平台,分别实现终端电池管理系统与云端电池管理系统的各功能模块的划分与设计,为之后关键方法的验证奠定系统基础。其次,以电池荷电状态参数为例,阐明基于云端的无人机集群电池状态估算方法。针对电池状态估算精度不高与过拟合的问题,通过研究函数优化和超参寻优的改进长短期记忆神经网络算法实现电池荷电状态的估算,使估算模型的收敛速度更快、精度更高、缓解其过拟合问题,并且对电池不同工况数据的适应性强。然后,针对无人机集群电池状态估算方法在系统运行初期数据量不足导致算法成熟速度慢的问题,利用生成对抗网络实现多维连续时间序列数据增强。考虑到通过飞行实验与数据采集实验平台获取到电池数据的数量与质量的有限性,本课题利用加入约束条件和嵌入空间的改进生成对抗网络算法实现电池的数据增强与生成,加快估算模型成熟的速度,节约实验成本。最后,设计加入正则化、掩码矩阵与dropout的云端估算模型压缩方法,将云端电池状态估算模型压缩至适配于嵌入式电池管理终端,实现终端电池管理系统对云端电池管理系统的能力继承。解决集群处于间歇性工作状态,无法实现电池组全生命周期的健康管理和保证实时性的问题。并通过制定不同状态下的终端与云端电池状态估算协同工作的决策,实现混合电池管理系统的端云协同。本课题利用NASA电池数据集和自测电池数据集进行仿真和实验验证,证明混合电池管理架构的可行性及该架构内关键方法的有效性,对电池管理系统的进一步发展具有重要意义。