小样本下预测精度稳定
通过可训练小波与门控时空注意力联合提取多尺度退化特征，在建模电池长程退化趋势的同时保留短时动态变化，减少训练数据量仍能保持稳定预测。
雷旭 · Lingxia, Shi · Yulong, Guo · Xin, Yi · Chenxing, Hui
Energy Reports 2026
通过可训练小波滤波器提取多尺度退化特征，引入Frobenius范数约束保持滤波器正交性。
门控时空注意力模块分别学习时间注意力和特征注意力，并通过可学习门控机制自适应融合，提升特征表示。
在训练数据量减少时，模型仍能保持稳定性能。
在动态电流工况的磷酸铁锂电池数据集上验证，显示模型对于更复杂运行条件具有潜力。