基于改进Transformer的锂电池剩余寿命预测

锂离子电池的剩余使用寿命(RUL)的准确预测对于评估电池状态至关重要。为了准确预测RUL,本文基于Transformer网络设计了以一种全新的模型p-Transformer。针对原始数据存在噪声的问题,构建了预处理前置编码器。在编码器内,原始输入数据叠加噪声信号,并实现数据降维压缩。而后将得到的深层数据输入到Transformer网络中,以学习原始数据中有价值的信息和深层次的非线性特征,得到最终预测结果。该模型在两个公共数据集上进行了大量实验,并与一些基准方法进行了比较。结果表明,本文提出的模型在预测RUL方面具有更小的误差,准确性更高。