发布时间：2024-07-21

文章标题：刘云鹏博士的论文被lEEE Transactions on Transportation Electrification接收并在线发表

内容：

刘云鹏博士题为《Deep learning powered lifetime prediction for lithium ion batteries based on smal amounts of charging cycles》的论文被国际期刊lEEE Transactions on Transportation Electrification接收并在线发表。该论文针对非线性容量退化过程和锂离子电池（LIB）操作条件的不确定性导致的寿命预测不准确的挑战，提出了一种新的端到端深度学习模型，即具有高效自关注机制的双流视觉变换器（DS ViTESA），用于预测目标电池的当前循环寿命（CCL）和剩余使用寿命（RUL）。通过视觉变换器，基于少量充电周期的高效自我关注机制，有效地捕获了局部和全局时空特征。同时，通过将每个周期之间的差异作为补充模型输入，可以提取内部周期和周期间的老化信息，并通过双流结构进行融合，以提高预测精度。结果表明，所提出的模型只需要15个充电周期（沿故障轨迹约1-3%），同时确保了寿命预测的准确性（RUL误差：5.40%，CCL误差：4.64%，早期寿命预测误差：2.16%）。同时，该模型还显示了对训练数据集中未出现的充电策略的有效零样本泛化能力。