汽车关键部件性能退化智能诊断大模型及预测方法和设备

本发明涉及互联网大数据及新一代信息技术领域，具体涉及一种汽车关键部件性能退化智能诊断大模型及预测方法，包括：S1：获取电池充电数据对应的标准容量；S2：基于皮尔逊相关系数与灰色关联度结合标注容量筛选最优特征集；S3：将最优特征集输入训练好的容量预测模型，输出未来连续时间步的预测容量序列。容量预测模型通过时序分解、多尺度注意力机制与双编码器架构，捕获容量衰减的长短期依赖关系，基于不同的历史回溯窗口长度下可以准确预测未来容量退轨迹。本发明通过皮尔逊相关系数与灰色关联度实现特征筛选，同时预测模型分离趋势项和季节项特征，并结合多头注意力机制实现未来连续时间步的容量序列预测，提高电池容量预测的准确性和可靠性。