摘要

锂离子电池的健康状态（State of Health, SOH）是一个关键参数，决定了电池的剩余容量和使用寿命。在本文中，我们提出了一种名为SambaMixer的新颖结构化状态空间模型（Structured State Space Model, SSM），用于预测锂离子电池的健康状态。所提出的SSM基于MambaMixer架构设计，该架构旨在处理多变量时间信号。我们在NASA电池放电数据集上评估了我们的模型，并展示了该模型在此数据集上的性能优于现有最先进方法。此外，我们引入了一种新的基于锚点的重采样方法，该方法不仅确保时间信号达到预期长度，还作为数据增强技术发挥作用。最后，我们通过位置编码将预测条件设定为采样时间和循环时间差，以提高模型性能并学习恢复效应。我们的结果证明，该模型能够以高精度和鲁棒性预测锂离子电池的SOH。