本发明涉及锂离子电池检测技术领域，具体公开了一种基于CNN‑BiLSTM‑AT混合模型的锂离子电池健康状态预测方法，其中，方法包括：采集锂离子电池充放电过程中的参数数据，作为输入数据；对参数数据进行数据预处理，将数据划分为训练集和测试集；将训练集输入卷积神经网络中，经过卷积和池化操作，输出深层特征矩阵；深层特征矩阵输入双向长短期记忆神经网络中，通过正向和反向对其进行双向深度分析，建立数据过去和未来之间的相关性；添加注意力机制层，增强模型对特征信息的学习，为相关性更高的特征赋予更高的权重；训练CNN‑BiLSTM‑AT混合模型，输入测试集，全连接层输出锂离子电池SOH预测值；制定CNN‑BiLSTM‑AT混合模型预测精度和锂离子电池健康状态的评价标准，用来评判模型预测SOH值的准确性，并预测该锂离子电池的健康状态。