基于深度学习的锂电池剩余寿命混合预测模型

摘要：文章为了能够准确预测锂电池的RUL，提出了一种基于注意力的CNN-LSTM和XGBoost混合模型。首先选取能够表现电池寿命的特征参数作为输入，然后使用CNN对输入数据进行特征提取，再通过LSTM进行序列建模，以捕捉时间序列数据中的时序关系。接着，使用注意力机制对LSTM的输出进行加权，以强化对关键时间步的关注。最后，使用XGBoost对LSTM的输出进一步调整，得到最终的预测结果。通过在CALCE数据集上进行锂电池RUL预测实验，模型表现出较好的精度和准确性。并在NASA锂电池数据集上进行了泛化性实验，结果表明该模型适用于不同电池RUL预测任务。

关键词：锂电池；剩余寿命预测；注意力机制；卷积神经网络；长短时记忆神经网络；XGBoost

中图分类号：TM912 文献标识码：A

文章编号：1009-3044（2024）04-0125-04