来源：期刊VIP网 时间：
作者：廖列法;刘映宝;占玉敏;
单位：江西理工大学信息工程学院;江西现代职业技术学院;
摘要：针对锂离子电池的剩余使用寿命（RUL）预测时常面临数据的动态变化和老化数据有限的问题，提出注意力增强Uniformer(AEUniformer)的RUL预测模型，通过Uniformer整合卷积神经网络（CNN）和自注意力机制的优势实现全面的信息感知；设计注意力引导机制（AGM）和CoordAttention实现强大的特征提取。试验结果表明，AEUniformer可以实现仅需单个老化周期的准确快速的RUL预测，数据集的平均绝对百分比误差分别为2.7%和6.16%，证明了该方法的准确性。
基金资助：国家自然科学基金项目（71462018,71761018）
