来源：期刊VIP网 时间：
作者：李浩平;于波涛;孟荣华;金朱鸿;杜昕毅;李景瑞;
单位：三峡大学机械与动力学院;
摘要：提出了一种基于Transformer的DCAE-Transformer模型，旨在改善健康状态(SOH)估计的准确性.该方法通过Pearson相关系数筛选关键特征，利用去噪自编码器(DAE)和卷积神经网络(CNN)相结合进行数据预处理和特征提取，再将数据输入Transformer框架完成预测.使用NASA和CALCE提供的数据集进行验证，DCAE-Transformer模型在NASA电池样本上的误差指标(E_(MA)、E_(MAP)和E_(RMS))均低于1%,R~2值超过99.5%;在CALCE样本上，误差指标低于5%,R~2值超过98%.结果表明，该模型在锂电池SOH估计方面具有较高的精确性和泛化性.
关键词：锂电池;;健康状态估计;;卷积去噪自编码器;;Transformer;;预测性能
基金资助：湖北省自然科学基金项目(2022CFC033);; 水电机械设备设计与维护湖北省重点实验室开放基金项目(2024KJX12)
