基于 CEEMDAN-transformer-DNN 混合模型的锂离子电池剩余使用寿命早期预测

基于 CEEMDAN-Transformer-DNN 混合模型的锂离子电池剩余使用寿命早期预测

摘要

随着电子设备、新能源汽车等领域的飞速发展，锂离子电池因其高能量密度、长循环寿命等优点得到了广泛应用[[doc_refer_2]][[doc_refer_7]]。然而，锂离子电池在使用过程中，其性能会逐渐衰减，准确预测其剩余使用寿命（RUL）对于保障设备性能、安全性以及降低成本至关重要。本研究旨在构建一种高效的锂离子电池 RUL 早期预测模型，即 CEEMDAN - Transformer - DNN 混合模型。

该混合模型的构建思路为：首先利用 CEEMDAN 算法对电池数据进行自适应分解，得到本征模态分量和残差分量，以处理电池数据的非线性、非平稳特性[[doc_refer_3]][[doc_refer_5]]；然后，通过 Transformer 模型捕捉分解后数据中的长序列依赖关系，其编码器 - 解码器结构及注意力机制能够有效提取全局特征[[doc_refer_4]]；最后，借助 DNN 模型的多层非线性变换能力，进一步学习复杂数据特征并实现 RUL 的精确预测。

在实验验证过程中，采用 NASA 公开数据集等作为实验数据来源，对原始数据进行清洗、归一化等预处理后，利用 CEEMDAN 算法进行特征提取，并选取关键特