در این پروژه، وضعیت سلامت (SoH) و عمر مفید باقیمانده (RUL) باتری لیتیومیون با استفاده از دادههای دما، ولتاژ و جریان که توسط ماژول ESP32 جمعآوری شده بود، پیشبینی شد. برای مدلسازی وضعیت و طول عمر باتری، از الگوریتم رگرسیون جنگل تصادفی (Random Forest Regression) استفاده گردید تا روابط غیرخطی میان شاخصهای الکتروشیمیایی و الگوهای فرسایش باتری بهطور دقیق یادگیری شود. مدل با استفاده از دادههای تاریخی باتری آموزش داده شد و توانست روندهای کاهش عملکرد و فرسودگی را بهخوبی تشخیص دهد. در نهایت، این سامانه امکان برآورد دقیق نرخ تخریب و پیشبینی قابلاعتماد عمر باقیمانده باتری را فراهم کرد.