一种基于TCN-Mamba神经网络的钠电池寿命预测方法

本发明提出一种融合时间卷积网络与Mamba状态空间模型的电池寿命智能预测方法。通过构建双通路协同架构：TCN分支利用多层膨胀因果卷积提取电池退化过程中的局部时序特征，有效识别如容量再生等非线性退化现象；Mamba分支基于选择性状态空间机制，动态建模电池老化轨迹的长周期依赖关系，通过上下文感知的权重调整自适应聚焦关键退化节点。为增强模型鲁棒性，集成变分模态分解单元对原始容量序列进行噪声抑制与模态分离，并结合隐状态矩阵的规范化约束提升跨电池化学体系的泛化能力。显著提升了寿命预测的准确性，有效捕捉复杂退化模式中的关键特征；具备优异的噪声抑制能力与跨型号泛化性，适用于多类型电池系统，实现实时老化状态评估。