基于长短时分叉记忆网络的锂电池剩余使用寿命预测

来源：计量学报杂志2026年第3期北京时间：

作者：程瀚霖, 张立峰

摘要：为了提高锂电池剩余使用寿命（RUL）的预测精度，提出一种基于长短时分叉记忆网络（LFM-Net）的预测模型。首先，从锂电池老化数据中提取放电容量的衰减趋势作为模型的输入，并采用随机失活技术进行去噪预处理。其次，引入长短时记忆网络和注意力机制，从预处理后的数据中捕捉特征并赋予不同的权重。最后，通过时间分叉机制完成最终的RUL预测。基于NASA和CALCE锂电池数据集进行实验验证，结果表明，LFM-Net在2个数据集上的平均绝对误差最大为0.013 5，均方根误差最大为0.021 3。与常用算法相比，其预测精度更优，验证了该方法的有效性和泛化性。

关键词：电学计量,锂离子电池,剩余使用寿命预测,长短时分叉记忆网络,注意力机制

基金资助：国家自然科学基金(52207235)