预测真实世界运行条件下电动汽车（EV）电池的健康状态（State of Health，SOH）面临挑战，其根源在于噪声测量、不规则充电行为及高度可变环境，与受控实验室设置差异显著。研究人员提出一种视觉驱动、多模态生成范式以实现准确的EV电池SOH预测，该范式将

　　预测真实世界运行条件下电动汽车（EV）电池的健康状态（State of Health，SOH）面临挑战，其根源在于噪声测量、不规则充电行为及高度可变环境，与受控实验室设置差异显著。研究人员提出一种视觉驱动、多模态生成范式以实现准确的EV电池SOH预测，该范式将数值SOH信号重构为基于图像的视觉表征，并利用从干净数据中学到的像素级空间相关性，从噪声EV测量中重建底层退化模式。该范式包含四个关键阶段：图像合成、生成模型构建、像素映射与SOH预测。所提生成框架集成基于U-Net的视觉通道与数值时间通道，使局部空间退化模式与多变量时间动态有效融合。进一步引入先进注意力机制，选择性增强与退化相关的表征并促进连贯的跨模态信息融合。该方法在一个实验室数据集与三个涵盖不同电池化学体系、车型及运行条件的真实世界EV数据集上评估。实验结果表明，该范式有效缓解现场测量固有的数据质量限制，实现高精度SOH预测，最小均方根误差（Root Mean-Square Error，RMSE）达0.0013。针对15种前沿方法的综合基准测试进一步证实其在异构数据集上持续优越的泛化性能。可解释性分析进一步揭示视觉与数值两种模态均捕捉到与物理一致的老化模式。这些发现凸显了所提视觉驱动范式从噪声EV运行数据中提取稳定退化特征的能力及其在更广义健康预后任务中的适用性。

　　研究背景方面，锂离子电池（Lithium-ion batteries，LIBs）作为EV主导储能技术，其关键组件不可逆电化学老化导致容量与功率衰减，直接影响续航与运行安全，因此准确实时SOH预测对早期隐患检测与主动电池管理至关重要。现有方法分三派：基于电化学模型、等效电路模型及经验半经验模型的传统滤波法，虽在特定体系表现良好但泛化受限；数据驱动法通过电压、电流、温度、电化学阻抗谱等提取退化敏感特征再映射至SOH，但特征工程依赖领域经验且劳动密集；近期深度学习直接从原始传感数据学潜表示，CNN-LSTM、Transformer、傅里叶图神经网络及迁移学习被引入，部分研究将一维增量容量曲线经Gramian角场转为二维图像用CNN估计SOH。然而多数成果建立在完整数据、规整充放电、恒流恒温、高采样频率的实验室数据上，而真实世界EV面临车载SOC估计误差、低精度PG电子平台网站传感器、粗分辨率、短SOC区间、安时积分不准、不规PG电子平台网站则充放、环境不可控与传输受限等多源噪声，致使由安时积分算出的SOH严重偏离单调退化趋势。该矛盾催生将实验室退化知识迁移至噪声现场数据的范式创新需求。研究人员开展的研究是构建认知建模框架下的视觉驱动生成范式（Vision-powered Generative Paradigm），把数值电池测量重构成图像视觉上下文，借助从干净SOH数据认知习得的像素级空间相关性，引导生成能刻画底层退化模式的图形表征，并在实验室数据与三套真实EV数据上验证。结论显示该范式以最小RMSE 0.0013达成高精度预测，在15种前沿方法基准中泛化最优，视觉与数值模态均捕获物理一致老化规律，可跨化学体系与车型推广，对无人机与工业机械等LIB系统亦有迁移价值。论文发表于《The Innovation》。

　　关键技术方法上，研究人员采用四数据集：实验室Dataset I（124只商用磷酸铁锂/石墨电芯中筛50只约30000圈多步快充恒流放电恒温室数据）、真实世界Dataset II（成都五台电动巴士包约4000等效循环，10秒BMS采样）、Dataset III（300台镍钴锰酸锂EV三年0.1 Hz BMS数据）、Dataset IV（另一公开真实EV集）。方法链含四步：其一基于实验室数据注入受控噪声合成噪声SOH曲线并与干净曲线配对面块化；其二构建计算机视觉驱动深度生成（Computer-vision-powered Deep Generative，CPDG）模型，双通道并行——U-Net视觉通道学局部空间特征、数值通道学多变量时间序列相关，嵌注意力机制做跨模态融合与退化区增强；其三将生成干净SOH图像块经像素映射回数值序列；其四用少量真实EV数据微调并部署。以EMD（Empirical Mode Decomposition）辅助析离趋势与噪声，以RMSE为指标对比15种SOTA。

　　研究结果部分，引言（Introduction）指出实验室到现场的鸿沟与已有视觉启发法（GAF、灰度图、递归图）未解决噪声下稳定轨迹提取问题，引出四阶段范式动机。材料与方法（Materials and methods）下分数据集（Datasets）给出四套数据来源、采样与等效循环定义，明确Dataset II为工业合作公开；图像合成基于实验室干净曲线加控噪成配对块；CPDG模型（deep generative model development）详述U-Net视觉支与数值时序支及注意力门控；像素映射（pixel mapping）建立图像灰度到SOH数值的定量链路；预测阶段（SOH prediction）用前100圈噪声观测量测后10圈。结果与讨论（Results and discussion）保留小标题：跨数据集基准显示所有线，优于SOTA；可解释性分析（Interpretability analyses）揭示视觉通道高激活区对应容量拐点与IC（Incremental Capacity）峰移，数值通道注意力权重落在恒压段渐降电流，二者均与电极活性损失物理一致；知识迁移消融证明实验室预训练贡献主导。讨论（Discussion）翻译结论：所提视觉驱动生成范式通过将数值信号视觉化并利用像素空间相关性，能从真实EV多源噪声中重构物理一致的SOH退化轨迹，以双通道生成架构实现局部空间与时间动态融合，在磷酸铁锂、镍钴锰酸锂及不同车型上RMSE最低达0.0013，相对15种前沿法泛化更稳，为复杂动态噪声环境下的电池健康预后提供新代数据驱动方案，并可拓至无人机与工业装备健康监测。