基于改进MHA-LSTM的锂电池剩余使用寿命预测模型OA
为提升锂电池剩余使用寿命预测精度,提出一种改进MHA-LSTM预测模型。采用多项式激活函数弥补传统线性激活函数的拟合缺陷,通过两次线性变换结合两次多项式激活的方法,增强模型的非线性拟合能力。将优化后的多头注意力机制与LSTM网络相结合,显著提高模型预测电池当前容量的准确性。选取温州随机电池数据集(Wenzhou Randomized Battery Data)开展模型验证试验。试验结果表明,所提模型的平均绝对误差(MAE)、标准差(SD)、均方误差(MSE)指标的平均值,与SVM、CNN、LSTM等模型中最优模型MHA-LSTM相比,分别降低了13.96%、29.81%、33.33%。
陈露;刘永明;倪佳佳;赵转哲
安徽工程大学人工智能学院,安徽芜湖241000安徽工程大学人工智能学院,安徽芜湖241000安徽工程大学人工智能学院,安徽芜湖241000安徽工程大学人工智能学院,安徽芜湖241000
信息技术与安全科学
锂电池LSTM多项式激活函数多头注意力机制
《安徽工程大学学报》 2026 (3)
P.66-71,79,7
安徽省自然科学基金面上项目(1808085ME127)芜湖市“赤铸之光”重大科技成果工程化项目(KH10004026)。
评论