论文标题：Innovative deep learning method for predicting the state of health of lithium-ion batteries based on electrochemical impedance spectroscopy and attention mechanisms

期刊：Frontiers of Chemical Science and Engineering

作者：Cheng Lou, Jianhao Zhang, Xianmin Mu, Fanpeng Zeng, Kai Wang

发表时间：15 Jun 2025

DOI：10.1007/s11705-025-2553-2

微信链接：点击此处阅读微信文章

扫码识别查看原文

文章速览

电化学阻抗谱在监测锂离子电池健康状态（SOH）中发挥着至关重要的作用，但是有效的特征提取往往依赖于有限的信息和先验知识。为了解决这一问题，本文提出了一种创新方法：利用格拉姆角场方法将原始电化学阻抗谱（EIS）数据转换为便于卷积神经网络识别的图像数据，随后将卷积块注意力模块（CBAM）与双向门控循环单元（BiGRU）结合用于健康状态预测。首先，将卷积块注意力模块应用于电化学阻抗谱图像数据，增强关键特征并抑制冗余信息，从而有效提取表征电池状态的特征；随后将提取的特征输入双向门控循环单元网络进行时间序列建模，以捕捉电池健康状态的动态变化。实验结果表明，健康状态预测精度显著提升，凸显了卷积块注意力模块在特征提取中的有效性及双向门控循环单元在时间序列预测中的优势。本研究为锂离子电池的健康管理提供了一种基于注意力机制的特征提取方案，证明了深度学习在电池状态监测中的广泛应用潜力。

摘要图

引用格式

Cheng Lou, Jianhao Zhang, Xianmin Mu, Fanpeng Zeng, Kai Wang. Innovative deep learning method for predicting the state of health of lithium-ion batteries based on electrochemical impedance spectroscopy and attention mechanisms. Front. Chem. Sci. Eng., 2025, 19(6): 52 https://doi.org/10.1007/s11705-025-2553-2

《前沿》系列英文学术期刊

由教育部主管、高等教育出版社主办的《前沿》（Frontiers）系列英文学术期刊，于2006年正式创刊，以网络版和印刷版向全球发行。系列期刊包括基础科学、生命科学、工程技术和人文社会科学四个主题，是我国覆盖学科最广泛的英文学术期刊群，其中12种被SCI收录，其他也被A&HCI、Ei、MEDLINE或相应学科国际权威检索系统收录，具有一定的国际学术影响力。系列期刊采用在线优先出版方式，保证文章以最快速度发表。

中国学术前沿期刊网

http://journal.hep.com.cn