关键词流·BMS 与电池智能算法·· 3 天前精选AI 评分55
DS-MTNet 双流多任务网络实现锂电热状态与SOH联合预测及预警
Cross-domain thermal-health prediction and early warning for lithium-ion batteries via dual-stream network
模型导读
作者提出 DS-MTNet 双流多任务网络，用 TCN 捕捉短期热动态、Mamba 建模长期老化趋势，经门控融合后同时预测最高温度、平均温度和 SOH。在 XJTU 数据集动态工况下 SOH 的 MAE 为 0.011、最高温度 MAE 为 0.898 °C；借助 MMD 分布对齐的少样本域适应，在 NASA 数据集跨环境迁移的 SOH MAE 为 0.022。
推荐理由
该工作把温度与SOH放进同一双流网络联合预测，并给出跨数据集迁移与预警提前量的量化结果，可作为多任务电池状态估计的对照方案。
来源：关键词流·BMS 与电池智能算法 · doi.org