本文介绍了一种可转移的多阶段状态估计模型，旨在提高锂离子电池剩余使用寿命的预测精度。该模型利用机器学习技术，结合电池性能参数，有效解决了不同电流循环间的非线性漂移问题。研究表明，手工特征的机器学习模型在小样本数据上优于深度学习模型，为电池管理系统的智能化提供了基础。

本研究提出了一种改进的电池容量估计方法，结合变压器网络和数据增强技术，解决了长期依赖性和数据稀缺问题。模拟结果表明，该方法在电池容量预测的准确性和鲁棒性方面表现优异，特别适用于电动车辆的电池管理系统。