提出了一种基于自注意力机制的深度迁移学习（SDTL）方法，用于有限电池数据下的在线健康状态（SOH）估计。自注意力机制（Self-attention）可捕捉不同工况和材料下的电池衰减规律。仅需 10% 的目标电池早期循环数据，通过微调（Fine-tuning）即可实现模型快速适配。全面对比测试主流深度学习和迁移学习基准模型。基于不同工况数据集验证模型的泛化性能。一、研究背景与核心挑战。