电池健康状态（State of Health, SOH）的在线估计是电动汽车与储能系统安全管理的核心问题。然而，现有深度学习方法在嵌入式电池管理系统（BMS）上的部署普遍受到算力与存储资源限制。本文基于Energy期刊最新研究，系统解析了一种轻量化Transformer架构 ——BMSFormer。该模型通过线性复杂度注意力机制与多尺度深度可分离卷积，在保证高精度SOH预测的同时，大幅降低计算开销

针对强噪声下旋转机械故障诊断难题，本文基于 TensorFlow 复现 DRSN-CW 网络，在 CWRU 轴承数据集- 8dB噪声环境下验证，模型故障识别准确率达 95.16%，附完整可运行代码。

论文提出了一种融合热力学仿真与机器学习的船用柴油机燃烧室故障诊断方法(TSRF)。针对传统方法面临的故障样本少、模型复杂、解释性差等问题，该方法首先通过热力学模型仿真五种典型故障，生成诊断数据集；然后利用随机森林预识别故障特征，采用TreeSHAP算法筛选关键参数；最终实现高精度的故障分类，并保持物理可解释性。实验表明，该方法在区分相似故障、参数选择等方面优于传统方法，为柴油机可解释故障诊断提供了

论文提出了一种融合热力学仿真与机器学习的船用柴油机燃烧室故障诊断方法(TSRF)。针对传统方法面临的故障样本少、模型复杂、解释性差等问题，该方法首先通过热力学模型仿真五种典型故障，生成诊断数据集；然后利用随机森林预识别故障特征，采用TreeSHAP算法筛选关键参数；最终实现高精度的故障分类，并保持物理可解释性。实验表明，该方法在区分相似故障、参数选择等方面优于传统方法，为柴油机可解释故障诊断提供了