1.一種基于transformer模型的鋰離子電池健康狀態(tài)估計方法，其特征在于，包括以下步驟：
2.根據(jù)權(quán)利要求1所述的基于transformer模型的鋰離子電池健康狀態(tài)估計方法，其特征在于，所述編碼器模塊包括依次連接的3個編碼器，所述編碼器包括依次連接的多頭可分離對數(shù)稀疏自注意力層、膨脹因果卷積層和最大池化層，所述多頭可分離對數(shù)稀疏自注意力層包括深度可分離卷積層和對數(shù)稀疏注意力模塊；所述多通道融合自適應(yīng)嵌入模塊包括自適應(yīng)嵌入層、位置嵌入層、值嵌入層和時間嵌入層，所述第一輸入數(shù)據(jù)經(jīng)過所述自適應(yīng)嵌入層，得到嵌入特征，所述嵌入特征分別經(jīng)過位置嵌入層、值嵌入層和時間嵌入層，得到位置嵌入特征、值嵌入特征和時間嵌入特征并相加得到多通道特征，將所述多通道特征按照維度等分為第一輸入序列和第二輸入序列，所述第一輸入序列經(jīng)過第一個編碼器的多頭可分離對數(shù)稀疏自注意力層中的所述深度可分離卷積層，所述第二輸入序列經(jīng)過第一個編碼器的多頭可分離對數(shù)稀疏自注意力層中的所述對數(shù)稀疏注意力模塊。
3.根據(jù)權(quán)利要求2所述的基于transformer模型的鋰離子電池健康狀態(tài)估計方法，其特征在于，所述深度可分離卷積層的計算過程如下：
4.根據(jù)權(quán)利要求3所述的基于transformer模型的鋰離子電池健康狀態(tài)估計方法，其特征在于，構(gòu)建所述對數(shù)稀疏注意力模塊的查詢矩陣q、鍵矩陣k和值矩陣v，如下式所示：
5.根據(jù)權(quán)利要求2所述的基于transformer模型的鋰離子電池健康狀態(tài)估計方法，其特征在于，將所述多頭可分離對數(shù)稀疏自注意力層的輸出特征輸入所述膨脹因果卷積層，所述膨脹因果卷積層的卷積算子表示為：
6.根據(jù)權(quán)利要求1所述的基于transformer模型的鋰離子電池健康狀態(tài)估計方法，其特征在于，所述解碼器模塊包括掩碼層和交叉注意力層，所述第二輸入數(shù)據(jù)輸入到所述掩碼層，得到所述交叉注意力層的查詢矩陣，將所述編碼特征作為所述交叉注意力層的鍵矩陣和值矩陣，通過所述交叉注意力層的處理，得到解碼特征，如下式所示：
7.一種基于transformer模型的鋰離子電池健康狀態(tài)估計裝置，其特征在于，包括：
8.一種電子設(shè)備，包括：
9.一種計算機可讀存儲介質(zhì)，其上存儲有計算機程序，其特征在于，該程序被處理器執(zhí)行時實現(xiàn)如權(quán)利要求1-6中任一所述的方法。
10.一種計算機程序產(chǎn)品，包括計算機程序，其特征在于，所述計算機程序被處理器執(zhí)行時實現(xiàn)如權(quán)利要求1-6中任一所述的方法。