视觉增强生成式SOH预测模型

实车抗噪

把电池衰减信号转为图像,用生成范式从实车噪声数据中重建潜在退化规律,跨数据集泛化优于15种现有方法。

Minghe, Li · 张紫君 · Kwok-Leung, Tsui

Innovation (China) 2026

参数信息

SOH预测均方根误差
0.0013

技术优势

实车噪声可重建

将SOH数值信号转为图像,学习干净数据中的像素级空间关联,从含噪测量中重建退化模式,无需额外去噪步骤。

跨数据集泛化更强

在三个实车数据集与一个实验室数据集上测试,并对比15种前沿方法,均取得一致的最优性能,说明模型不受电池化学体系、车型和工况差异干扰。

物理一致性可解释

可解释性分析表明,视觉与数值模态均捕获了与物理规律一致的老化模式,便于工程师理解和校验模型输出。

应用场景