SCI一区级-python实现VMD-CNN-Transformer锂离子电池剩余寿命预测

作品简介：

1. 使用VMD实现对锂离子电池数据集去噪，消除数据中“容量再生问题”
2. 使用CNN-Transformer实现特征提取：利用卷积神经网络（CNN）进行特征提取。然后，利用改进的变压器模型来捕获时间序列中的固有相关性，并将其特征映射到未来的SOH值。采用迭代策略对每个充放电循环的SOH进行预测。
3. 在CALCE数据集上进行实验验证
4. 使用MAE和RMSE进行效果评价

1.信号去噪

CS2-35去噪展示：

CS2-36去噪展示：

CS2-37去噪展示：

CS2-38去噪展示：

2.效果展示

预测效果：

评价指标：每一行是一个电池，分别表示MAE和RMSE

3.代码获取

感兴趣的朋友可以关注最后一行

import numpy as np
import pandas as pd
import random
import os
import matplotlib.pyplot as plt
import torch
import torch.nn as nn
import torch.nn.functional as F
from tqdm import tqdm
from sklearn.metrics import mean_absolute_error, mean_squared_error
import math

plt.rcParams["font.sans-serif"] = ["SimHei"]
plt.rcParams["axes.unicode_minus"] = False
plt.rcParams['font.size'] = 14
%matplotlib inline


%% https://mbd.pub/o/bread/mbd-Zpiam55s