基于混合专家与分块MLP的多尺度锂离子电池容量预测
信号处理
2025-04-08 v1 机器学习
系统与控制
系统与控制
摘要
随着电池应用的不断扩大，锂离子电池健康管理变得日益重要。精确预测容量退化对于确保电池的健康使用至关重要。本文创新性地提出MSPMLP，一种利用混合专家架构和基于分块的多层感知机（MLP）模块的多尺度容量预测模型，以捕捉长期退化趋势和局部容量再生现象。具体而言，我们利用具有不同分块大小的基于分块的MLP模块从容量序列中提取多尺度特征。利用MoE架构，模型自适应地整合提取的特征，从而增强其容量和表达能力。最后，基于整合的特征预测未来电池容量，实现了高预测精度和泛化能力。在公开的NASA数据集上的实验结果表明，MSPMLP的平均绝对误差（MAE）为0.0078，较现有方法提升了41.8%。这些发现表明，由于其多尺度建模能力和泛化性，MSPMLP为解决由容量再生现象和复杂使用条件引起的电池容量预测挑战提供了有前景的解决方案。本工作的代码可在 https://github.com/LeiYuzhu/CapacityPredict 获取。
引用
@article{arxiv.2504.03706,
title = {A multi-scale lithium-ion battery capacity prediction using mixture of experts and patch-based MLP},
author = {Yuzhu Lei and Guanding Yu},
journal= {arXiv preprint arXiv:2504.03706},
year = {2025}
}