用于锂离子电池剩余使用寿命预测的多尺度双路径特征聚合网络

本文介绍了一种名为MDFA-Net的新型深度学习架构，旨在预测锂离子电池的剩余使用寿命（RUL）。该架构采用双路径网络方法，结合了用于保留浅层信息的多尺度特征网络（MF-Net）和用于捕获深层、连续趋势的编码器网络（EC-Net）。浅层和深层特征的集成使模型能够有效地学习局部和全局退化模式。该论文声称，MDFA-Net在公开数据集上的表现优于现有方法，证明了在容量退化映射方面的准确性有所提高。专注于有针对性的维护策略并解决当前建模技术的局限性，使这项研究具有相关性，并且在工业应用中具有潜在的影响。