The Innovation||把电池退化轨迹“画出来”：视觉驱动的实车SOH预测新突破

背景：在真实电动汽车运行场景中，电池健康状态（SOH）预测面临测量噪声强、充电行为不规则、环境工况多变以及标签质量受限等多重挑战，使得实验室数据上表现优异的模型难以直接迁移到真实车载环境。研究目的：针对这一问题，本文提出一种视觉驱动的多模态生成式电池健康预测范式，将SOH信号转化为图像化视觉表示，利用视觉模型对局部空间结构与整体退化轮廓的建模能力，从波动显著的车载测量中恢复更稳定、更具物理意义的潜在退化轨迹。结论：实验结果表明，该方法在实验室数据和三个真实电动汽车数据集上均取得优异性能，并在与15种先进基线方法的比较中表现出持续领先的泛化能力，为复杂工业噪声场景的健康预测提供了新范式。