2026.08.22 · 电池研究日报

2026-08-22 电池寿命预测研究监测报告

今日结论

• 今日脚本捕获 5 篇新候选；逐篇尝试 PDF、URL、DOI 或可访问的出版社/索引页面后，4 篇纳入本报告，1 篇因仅为 SoC 估计而排除。paper_count 按纳入分析的 4 篇计算。
• 最值得跟进：
  1. Selective model transfer for lithium-ion battery state of health estimation based on a weighted similarity metric（Journal of Energy Storage，脚本评分 86）：直接针对早期充电数据下的 SOH 估计，且提出按退化相似度决定迁移还是从头训练，和跨电池部署问题高度相关。
  2. IWOA-PINN-based measurement-informed capacity degradation modelling and physics-informed online RUL estimation for lithium-ion batteries（Measurement Science and Technology，脚本评分 65）：直接输出在线 RUL，采用可测健康特征、容量轨迹和物理约束，适合纳入 physics-informed RUL 基线池。
• 总体判断：本次真正直接命中 SOH/RUL 的是第 1、5 篇；第 2 篇是退化相关的物理参数/健康感知估计，第 4 篇是固态电池界面退化机理，二者可作为低优先级的机理与健康状态观察项，但都不是标准 EOL/RUL 预测模型。第 3 篇仅做 SoC 估计，尽管摘要提到电池寿命背景，不满足本监测任务的寿命预测主题。
• 核验边界：已对有 pdf_url 的候选先尝试 PDF；抓取失败后继续尝试 DOI/URL，并补查 Crossref、OpenAlex、Nature、IOP、Scilit 或作者机构页面。ScienceDirect/Elsevier 页面本轮多次抓取失败，因此相关条目只写摘要/元数据或机构新闻可直接支持的内容，不补写不可确认的全文细节。

论文总览表

单篇论文卡片

1. Selective model transfer for lithium-ion battery state of health estimation based on a weighted similarity metric

基本信息

• 标题：Selective model transfer for lithium-ion battery state of health estimation based on a weighted similarity metric
• DOI/URL：https://doi.org/10.1016/j.est.2026.124077
• 期刊/会议/预印本平台：Journal of Energy Storage
• 发表日期：2026-08-19（OpenAlex publication date；Crossref 创建记录同日；卷期信息另标 2026-12）
• 作者和机构：Asaad Kadhim Challab、Quang Phuc Ha；OpenAlex 元数据将两位作者列为 University of Technology Sydney，School of Electrical, Mechanical and Biomedical Engineering。
• 通讯作者：Asaad Kadhim Challab、Quang Phuc Ha（OpenAlex 元数据的 is_corresponding 均为 true；出版社页面本轮未成功抓取）
• 脚本评分：86
• 期刊指标核验：未核验 JCR/JIF/JCI/CiteScore/SJR 数值；脚本分层为 core storage journal / Q1，不能替代本次期刊指标核验。
• 核验路径：首先尝试脚本提供的 ScienceDirect PDF；随后尝试 DOI/ScienceDirect 文章页，均未抓取成功；Crossref 和 OpenAlex API 成功返回题名、作者、摘要、机构及 OA/全文位置元数据。可信度：摘要/元数据级，全文未成功获取。

纳入理由和命中证据

• 题名直接包含 state of health estimation，摘要明确将问题定义为仅能获得早期充电数据时的锂离子电池 SOH 预测，属于本任务的核心主题。
• 摘要给出可核验的方法和结果：用 source LSTM 的特征贡献构造 weighted similarity metric，按退化相似度决定 transfer learning 还是 scratch learning；MIT 数据集上充电-only SOH 预测 RMSE 约 0.185%，高相似度时报告 72.9% normalized gain。
• 与一般材料合成或储能调度的区别在于：目标是电池健康状态数值估计，并专门处理跨数据源/跨电池部署中的迁移失效问题。

创新点

• 将迁移学习从“默认迁移”改为由退化相似度控制的条件式迁移：相似度高时适配已有模型，相似度低时退回 scratch learning。
• 相似度不是无解释的黑箱分数，而是由 source LSTM 的 feature contribution 和早期充电统计构成，具有一定部署可解释性。
• 摘要明确指出迁移并非总是有益：低相似度时迁移会降低性能，这一负结果对异构车队部署和安全门控有实际价值。

主要内容

• 研究场景是现实部署中的 early-life 观测：完整寿命循环或完整放电测量不可得，只能使用早期充电信息估计 SOH。
• 框架先从源 LSTM 获得特征贡献，再以早期充电统计度量目标电池与源退化状态的接近程度，最后选择迁移或从头训练。
• 实验覆盖 MIT、NASA、Oxford 三个数据集；可访问摘要未说明每个数据集的细胞数、化学体系、温度和具体划分。

模型方法

• 方法类别与架构详见下述流程；以下只记录已由可访问页面或摘要支持的内容。

模型架构/方法流程

1. 从早期充电数据计算统计特征。
2. 训练或使用 source LSTM，并提取其特征贡献。
3. 基于特征贡献与早期充电统计建立 weighted similarity metric，用它衡量目标电池和源退化状态的相似度。
4. 将相似度作为门控：高相似度执行模型迁移/适配，低相似度采用 scratch learning。
5. 输出 SOH 估计，并比较迁移、从头训练及不同相似度条件下的效果。

输入特征与输出目标

• 输入特征：早期充电数据及其统计特征；摘要未列出具体电压、电流、温度窗口或特征公式，因此不能补写为完整曲线输入。
• 中间量：source LSTM 的 feature contribution、weighted similarity/degradation proximity。
• 输出目标：电池 SOH；不直接输出 EOL 或 RUL。

数据来源/数据结构/电池类型/循环协议

• 数据来源：MIT、NASA、Oxford 三个电池退化数据集。
• 电池类型：摘要只确认 lithium-ion battery，具体 NCA/NMC/LFP 等化学体系、额定容量和电芯数量未能确认。
• 数据结构：可确认使用 early-life charging statistics；每个充电窗口的采样方式、循环对齐方式和是否包含温度通道未说明。
• 循环协议：充放电倍率、环境温度、截止电压、观测窗口长度未能从可访问内容确认。
• 是否跨电池/跨工况/跨化学体系验证：实验覆盖三个数据集，但训练/测试跨域配置未能确认，不能据此断言存在严格外部验证。

EOL/RUL/SOH 定义

• 任务类型：SOH 估计/预测。
• SOH 具体公式（容量型、内阻型或其他）未在可访问摘要中给出。
• EOL 阈值、RUL 单位和标签生成方式：不适用或未说明；题目本身不直接做 EOL/RUL。
• 未来信息：输入强调 early-life charging，原则上符合在线可获得性；但完整预处理、归一化和相似度计算是否只使用预测时信息，仍需全文核查。

验证设计

• 摘要称在 MIT、NASA、Oxford 三个数据集上进行实验，并比较高/低退化相似度条件。
• 未能从摘要/元数据确认按电池划分、按时间外推、跨数据集外部验证、重复次数、消融实验和随机种子。
• 已知对比逻辑包括迁移学习与 scratch learning；具体 source LSTM baseline、其他迁移方法和统计显著性未说明。

指标

• MIT 充电-only SOH 预测 RMSE 约 0.185%。
• 高相似度条件下报告 72.9% normalized gain。
• 低相似度条件下迁移性能恶化，scratch learning 更优；摘要未给出对应完整误差表、置信区间或每个数据集的分层指标。

Baseline/对比方法

• scratch learning（低相似度时的退回方案）。
• transfer/adaptation learning（高相似度时的方案）。
• source LSTM 是相似度特征贡献的来源；是否同时作为独立预测 baseline，摘要未能确认。
• 其他经典 SOH 模型、跨域方法和统一超参对照未能确认。

泄漏风险/局限性/复现性

• 泄漏风险：中等/信息不足。早期充电输入本身适合部署，但必须检查是否在全生命周期上计算归一化统计、是否用目标电池后期退化标签决定 similarity gate，以及 transfer/scratch 的选择是否通过测试集调参。
• 局限性：仅确认 MIT、NASA、Oxford 三个数据集；对新化学体系、新倍率、新温度、真实车队噪声和传感器缺失的泛化尚不清楚。高相似度条件的 72.9% gain 不能外推到低相似度目标。
• 复现性：信息不足。OpenAlex 标记有 OA/全文位置，但本轮 PDF 未成功下载；代码仓库、完整特征公式、模型超参、训练轮次、随机种子和硬件均未确认。

是否值得跟进 / 对哥哥研究/落地的启发和后续动作

• 结论：强烈跟进。
• 启发：可将“是否迁移”本身作为部署前的安全门控问题，而不是把 transfer learning 当成必然增益；这适合异构电芯/跨实验室 SOH 模型迁移。
• 后续动作：获取可读 PDF；优先抽取 weighted similarity 公式、early charging feature 列表、cell-wise split、目标域标签可用性、低相似度失败案例和代码；在哥哥的 SOH benchmark 中增加 transfer、scratch、相似度门控三组对照。

2. Physics-informed adaptive estimation framework for estimating subdiffusion characteristics of lithium-ion batteries

基本信息

• 标题：Physics-informed adaptive estimation framework for estimating subdiffusion characteristics of lithium-ion batteries
• DOI/URL：https://doi.org/10.1016/j.jpowsour.2026.241196
• 期刊/会议/预印本平台：Journal of Power Sources
• 发表日期：2026-08-19（OpenAlex publication date；Crossref 创建记录同日）
• 作者和机构：J. Stubblefield、Mohammad Qasem、Y. Yassin、Moath Qandil、M. Krishnamurthy；OpenAlex 将五位作者关联到 Southern Methodist University，Electrical and Computer Engineering Department。
• 通讯作者：J. Stubblefield（OpenAlex is_corresponding: true，其机构为 Southern Methodist University）
• 脚本评分：79
• 期刊指标核验：未核验 JCR/JIF/JCI/CiteScore/SJR 数值；脚本分层为 core battery journal / Q1。
• 核验路径：无脚本 PDF URL，先尝试 DOI/URL；随后尝试 Crossref/OpenAlex 和 Elsevier text-mining 入口。DOI/全文入口抓取失败，但 Crossref/OpenAlex 返回了完整摘要、作者机构、OA与引用元数据。可信度：摘要/元数据级，全文未成功获取。

纳入理由和命中证据

• 这是本次的边界纳入/低优先级观察项：题名和摘要明确讨论 lithium-ion battery degradation，并把 subdiffusion characteristics 与 SEI growth、resistance increase、polarization、capacity fade 联系起来，属于退化健康状态估计与 prognostics 支撑方向。
• 摘要明确给出 physics-informed adaptive estimation、fractional-order impedance、EKF、digital twin capability 和多种电池数据验证。
• 但它不是直接的 EOL/RUL/SOH 预测论文：主要输出是 SoC、内部状态和分数阶扩散参数，不能把相关性表述为已经完成 capacity fade 或 RUL 预测。

创新点

• 在传统整数阶 ECM-EKF 之外引入 fractional-order Warburg impedance，以表达电极异质性和退化导致的 subdiffusive transport。
• 采用可计算的 state-space 近似和 HPPC-based 参数识别，使物理可解释的扩散参数可以随测量更新。
• 将健康相关的扩散参数、数字孪生、状态估计和退化诊断放在同一框架中，而非只优化瞬时电压拟合。

主要内容

• 研究动机是常规整数阶等效电路难以表示电极异质性与退化产生的异常扩散行为。
• 框架通过 fractional-order model 描述扩散，再用 EKF 在动态载荷下联合估计 SoC、内部电化学状态和分数阶扩散参数。
• 结果表明识别出的 subdiffusion parameters 与 SEI growth、内阻上升、极化和容量衰减指标有较强关联；这支持健康感知诊断，但不等同于 RUL 标签预测。

模型方法

• 方法类别与架构详见下述流程；以下只记录已由可访问页面或摘要支持的内容。

模型架构/方法流程

1. 使用含 fractional Warburg element 的 reduced-order ECM 建模电池动态。
2. 以 HPPC 数据进行参数识别，并用 computationally efficient state-space representation 近似分数阶动态。
3. 在动态载荷下使用 EKF 估计 SoC、内部状态和 fractional diffusion parameters。
4. 将估计到的扩散参数与退化指标（SEI、内阻、极化、capacity fade）关联，形成 health-aware digital-twin/diagnostics 输出。

输入特征与输出目标

• 输入：动态电压/电流响应、HPPC pulse-response 数据及模型参数；具体传感器通道和采样窗口未能从摘要确认。
• 输出：SoC、内部电化学状态、fractional diffusion/subdiffusion characteristics，以及电压预测。
• 退化目标：容量衰减等健康指标是关联/诊断对象，不是已确认的直接 RUL/EOL 回归标签。

数据来源/数据结构/电池类型/循环协议

• 电池体系：锂离子电池；摘要明确列出 NMC811 21700 与 BAK 18650。
• 数据来源：两类电池数据集；是否为公开数据、各自样本数、采集平台和数据授权未能确认。
• 数据结构：HPPC pulse-response 与动态载荷数据；具体电流工况、采样频率、温度和 SOC 覆盖未说明。
• 循环/老化协议：未能从摘要确认完整循环数、倍率、截止电压、温度及退化阶段。
• 是否跨电芯/跨化学体系验证：至少涉及 NMC811 21700 与 BAK 18650 两种型号，但严格的跨电芯外推设计和训练/测试划分未能确认。

EOL/RUL/SOH 定义

• 论文直接估计 SoC 和物理退化相关参数；摘要没有给出 SOH 的明确定义、EOL 阈值或 RUL 单位。
• capacity fade 是关联的退化指标，未确认作者是否把它作为独立预测标签。
• 因此本条只能标记为“退化健康状态估计/预后支撑”，不能在哥哥的 RUL leaderboard 中当作直接 RUL 结果。

验证设计

• 摘要确认在 NMC811 21700 和 BAK 18650 数据上验证，并与 conventional integer-order ECM-based approaches 比较。
• 未能确认按电芯留出、跨化学体系外部测试、时间外推、消融、噪声鲁棒性和在线滚动评估细节。
• 未见可确认的 RUL/EOL 预测验证，因此验证结论主要限于状态/电压估计与物理参数识别。

指标

• 电压预测误差 < 6 mV。
• SoC estimation RMSE < 4%。
• 相对于 conventional integer-order ECM-based approaches，摘要称估计精度有所改善，但具体改善量、分层统计和置信区间未说明。
• 没有可确认的 MAE/RMSE/cycle error/RUL coverage 等寿命预测指标。

Baseline/对比方法

• Conventional integer-order ECM + EKF/ECM-based approaches。
• 具体是哪些整数阶电路拓扑、EKF 参数和其他滤波器 baseline，摘要未能确认。
• 未能确认与纯数据驱动 RUL、PINN 或 Transformer 预测器的对比。

泄漏风险/局限性/复现性

• 泄漏风险：信息不足。HPPC 参数识别和动态估计理论上可以在线进行，但需检查参数更新是否使用了未来退化周期、全寿命标定或后验平滑。
• 局限性：当前摘要只支持物理参数与容量衰减相关，不能证明可以可靠外推 EOL/RUL；两种电芯型号的温度、倍率、老化覆盖和样本规模未知。
• 复现性：信息不足。Crossref/OpenAlex 摘要给出方法主线和主要指标，但完整分数阶离散化、EKF 状态/噪声协方差、HPPC 协议、参数表、代码和数据访问方式未确认。

是否值得跟进 / 对哥哥研究/落地的启发和后续动作

• 结论：观望。
• 启发：分数阶扩散参数可以作为 SOH/RUL 模型的物理可解释中间特征，尤其适合构造“状态估计 + 退化预测”的混合数字孪生基线。
• 后续动作：若能取得全文，抽取 fractional state-space 近似、参数在线更新公式和跨电芯划分；暂不把本条的 SoC/电压指标混入 RUL 结果表。

3. 核验后排除：An interpretable hybrid LSTM–transformer framework with temporal attention fusion for lithium-ion battery state-of-charge estimation

本条保留在审核记录中，不计入 paper_count，也不作为正式寿命预测新增论文。

基本信息

• 标题：An interpretable hybrid LSTM–transformer framework with temporal attention fusion for lithium-ion battery state-of-charge estimation
• DOI/URL：https://doi.org/10.1038/s41598-026-67204-7
• 期刊/会议/预印本平台：Scientific Reports
• 发表日期：2026-08-17
• 作者和机构：Pradeep Menon、Shreyansh Jain、Ravi Velugula、Kanupriya Mittal、Mayank Mittal；机构包括 Indian Institute of Technology Madras、Dayananda Sagar University、Verdojah Technologies Private Limited。
• 通讯作者：Mayank Mittal（Nature 页面明确列出 correspondence 邮箱）
• 脚本评分：75

核验结论与排除理由

• Nature 页面可直接确认题名、作者、机构和摘要；模型是并行 LSTM + Transformer，并通过 Temporal Attention Fusion 处理短期波动与长期依赖。
• 摘要中的训练/测试设计是三种驾驶循环（steady state、urban、highway）训练，另用两种不同激烈程度和时长的新驾驶循环测试；还做 Gaussian noise 鲁棒性和复杂度分析。
• 但全文摘要没有 SOH、SOF、capacity fade、degradation trajectory、EOL 或 RUL 目标，也没有寿命预测标签/指标。它是 SoC 估计论文，不是电池寿命预测论文，因此按主题规则排除。
• 后续规则建议：对“battery + deep learning + lifespan/lifespan-related background”但标题和输出仅为 SoC 的候选增加排除惩罚，降低类似误报进入通知阈值的概率。

4. Triple-phase boundary instability as a key degradation factor in sulfide|(oxy)halide dual-electrolyte solid-state batteries

基本信息

• 标题：Triple-phase boundary instability as a key degradation factor in sulfide|(oxy)halide dual-electrolyte solid-state batteries
• DOI/URL：https://doi.org/10.1016/j.joule.2026.102444
• 期刊/会议/预印本平台：Joule
• 发表日期：2026-08-01（脚本/OpenAlex 与 Crossref 卷期元数据）；Scilit 页面另列 2026-05-04，存在在线发表日期差异，需以最终版本记录复核。
• 作者和机构：Leonardo Merola、Vipin K. Singh、Mareike Schäfer、Elena Cortese、Karthikeyen Natarajan Pugazhendhi、Alexander Weiß、Lanting Qian、Shashwat Singh、Sebastian L. Benz、Joachim Sann、Anja Bielefeld、Burak Aktekin、Felix H. Richter、Linda F. Nazar、Jürgen Janek；作者机构的完整逐人对应关系未能从可访问页面确认。University of Waterloo Nazar Group 页面确认该工作与 JLU Giessen 合作。
• 通讯作者：未能确认
• 脚本评分：73
• 期刊指标核验：未核验 JCR/JIF/JCI/CiteScore/SJR 数值；脚本分层信息不替代期刊指标核验。
• 核验路径：脚本 PDF/DOI/ScienceDirect 页面抓取失败；随后成功打开 University of Waterloo Nazar Group 机构新闻和 Scilit 元数据页，并用 Crossref 核对 DOI、题名、作者、Joule 卷期和开放许可信息。可信度：机构新闻 + 索引元数据级，全文和正式摘要未成功获取。

纳入理由和命中证据

• 这是本次的退化机理边界项：机构新闻明确称论文研究 sulfide 与 (oxy)halide 双电解质固态电池在循环中的 triple-phase boundary instability，并指出该不稳定性导致 sulfur-gas evolution 和 rapid performance decay。
• 主题上与电池 degradation 和寿命衰减机制直接相关，但没有在可访问内容中确认 capacity trajectory、SOH、EOL 或 RUL 预测。因此只作为低优先级观察项，不作为预测模型主线。
• 它不是普通材料合成新闻：作者机构页面明确把问题放在双电解质固态电池的循环稳定性和实际应用寿命障碍上。

创新点

• 机构新闻支持的核心发现是：靠近正极活性材料的 sulfide/(oxy)halide 接触区域形成的 triple-phase boundary 在循环中具有根本不稳定性。
• 该不稳定性据报道不依赖具体 (oxy)halide chemistry，并伴随硫气体演化和性能快速衰减；是否有统一的定量退化模型，当前无法确认。

主要内容

• 研究对象是采用不同固态电解质组合的 dual-electrolyte solid-state battery。
• 访问到的机构新闻解释了 separator electrolyte 与 cathode electrolyte 的功能分工，以及界面/三相边界为何可能限制商业化。
• 正式论文的实验电芯结构、循环窗口、气体分析、界面表征和寿命曲线未能从可访问正文确认，以下不作推断。

模型方法

• 方法类别与架构详见下述流程；以下只记录已由可访问页面或摘要支持的内容。

模型架构/方法流程

• 不适用传统机器学习寿命预测模型。
• 可确认的研究逻辑是：双电解质界面/三相边界在循环中的稳定性观察 → 退化/气体演化与性能衰减分析 → 讨论其对双电解质固态电池实用化的限制。
• 具体电化学测试、显微/谱学表征、统计方法和是否有机理模型未能确认。

输入特征与输出目标

• 输入/实验变量：双电解质组成、界面/三相边界和循环条件；具体数值未说明。
• 输出/观测对象：界面稳定性、硫气体演化、性能衰减等退化现象。
• 不存在已确认的 SOH/RUL/EOL 数值输出，因此不应把本文的结论当作寿命预测精度。

数据来源/数据结构/电池类型/循环协议

• 电池体系：sulfide/(oxy)halide dual-electrolyte solid-state battery；具体活性离子、电极配方、容量和电芯型号未能确认。
• 数据来源：应为作者团队的电化学实验/表征工作，但本轮只能由机构新闻和索引页确认论文存在，不能确认实验样本数。
• 循环协议：倍率、温度、压力、截止电压、循环数和失效判据均未能确认。
• 是否跨化学体系验证：机构新闻称不稳定性独立于具体 (oxy)halide chemistry，但这是作者工作摘要式的表述，需正式全文核验其样本与证据范围。

EOL/RUL/SOH 定义

• 未能确认容量型 SOH、内阻型 SOH、EOL 阈值或 RUL 单位。
• 文章讨论 performance decay 和 practical application limits，但不能据此推断作者定义了标准 EOL 标签。

验证设计

• 机构新闻支持“在循环过程中观察到三相边界不稳定及其后果”，但未给出样本、重复、对照组和统计检验。
• 未能确认是否有不同电解质化学体系、界面中间层或无三相边界的对照，也未确认是否报告独立寿命测试。

指标

• 可确认的定性结果：triple-phase boundary instability、sulfur-gas evolution、rapid performance decay。
• 未能确认容量保持率、循环寿命、阻抗增长、气体体积、失效循环或预测误差等定量指标。

Baseline/对比方法

• 未能从可访问内容确认具体 baseline、对照电芯或其他界面设计。
• 不能把机构新闻中“独立于具体 (oxy)halide chemistry”解读为已完成完整跨化学体系统计比较。

泄漏风险/局限性/复现性

• 泄漏风险：不适用传统机器学习数据切分；若未来把实验退化曲线用于预测，需要避免用完整寿命后的界面表征作为早期输入。
• 局限性：本轮没有全文和正式摘要，无法判断退化机理是否可以迁移到其他固态电解质组合，也无法判断性能衰减是否由单一三相边界因素主导。
• 复现性：信息不足/低。DOI、作者和主题可由 Crossref/Scilit 核验，但实验配方、协议、表征参数和原始数据未确认。

是否值得跟进 / 对哥哥研究/落地的启发和后续动作

• 结论：观望。
• 启发：如果哥哥研究覆盖固态电池或跨化学体系退化预测，triple-phase boundary/气体演化可作为机理特征或 failure-mode 标签；当前不应混入纯数据驱动 RUL benchmark。
• 后续动作：仅在获取全文后抽取界面退化量、循环寿命曲线和对照设计；若没有标准寿命标签，则归入 degradation mechanism 文献组而非预测模型组。

5. IWOA-PINN-based measurement-informed capacity degradation modelling and physics-informed online RUL estimation for lithium-ion batteries

基本信息

• 标题：IWOA-PINN-based measurement-informed capacity degradation modelling and physics-informed online RUL estimation for lithium-ion batteries
• DOI/URL：https://doi.org/10.1088/1361-6501/ae9b36
• 期刊/会议/预印本平台：Measurement Science and Technology；IOP Accepted Manuscript
• 发表日期：2026-08-18（Accepted Manuscript online）
• 作者和机构：Jinge Liang、Zewang Chen、Yuqi Long、Yuru Deng、Youren Wang；IOP 页面将作者关联到 Nanjing University of Aeronautics and Astronautics，主要为 College of Automation Engineering，南京江苏。
• 通讯作者：未能确认（IOP 页面列出 Zewang Chen 的邮箱，但未在可访问页面明确标注 corresponding author，故不据邮箱猜测）
• 脚本评分：65
• 期刊指标核验：未核验 JCR/JIF/JCI/CiteScore/SJR 数值；脚本只标记为 Measurement Science and Technology 期刊来源。
• 核验路径：脚本提供的 IOP PDF URL 成功返回 IOP Accepted Manuscript 页面、DOI、作者、机构、日期和摘要；页面没有可解析的完整正文。可信度：接受稿页面/摘要级，全文细节未完全确认。

纳入理由和命中证据

• 题名直接包含 capacity degradation modelling 和 online RUL estimation，是本次最明确的寿命预测命中之一。
• IOP 摘要明确说明从可测信号建模容量退化轨迹，再通过 EOL threshold 得到 RUL；这与普通 SoC/热管理/调度论文有清晰区别。
• 摘要给出方法流程、数据来源线索、RUL/capacity 结果和 baseline，因此即使完整正文未成功解析，仍足以纳入正式分析。

创新点

• 先用二阶 RC 等效电路重构 Q-V 关系，再从增量容量相关曲线/温度响应中提取可测健康特征，减少直接依赖完整容量曲线的需要。
• 使用 PH-Q prior constraint 和 monotonicity constraint 把容量退化的物理先验写入 PINN 损失，抑制不符合退化趋势的预测。
• 用 Improved Whale Optimization Algorithm 联合优化训练轮数、隐藏单元数、学习率和约束系数，形成 IWOA-PINN。

主要内容

• 研究目标是对 cycle-wise capacity 进行测量驱动建模，并在不同充放电条件、不同估计起始周期下在线推断剩余寿命。
• 流程包括 Q-V 重构、健康特征抽取、物理约束神经网络容量估计、退化轨迹外推和 EOL 阈值判定。
• 摘要称在西安交通大学公开循环老化数据集和实验室平台数据上验证，并与 CNN、RNN 及若干 PINN/WOA 变体比较。

模型方法

• 方法类别与架构详见下述流程；以下只记录已由可访问页面或摘要支持的内容。

模型架构/方法流程

1. 用 second-order RC equivalent circuit model 重构电池的 Q-V relationship。
2. 从重构/测量信号提取四个健康特征：peak height（PH）、peak voltage（PV）、time at peak voltage（PT）、time to reach maximum surface temperature（MATT）。
3. 将这些 measurement-informed features 输入 PINN，估计逐循环容量。
4. 在损失中加入 PH-Q prior constraint 和 capacity monotonicity constraint，保证退化轨迹更符合物理趋势。
5. 用 IWOA 联合搜索 epochs、hidden units、learning rate 和 constraint coefficients。
6. 将预测容量轨迹与 EOL threshold 相交的位置转成在线 RUL。

输入特征与输出目标

• 输入特征：PH、PV、PT、MATT；来源是 Q-V/温度相关测量和二阶 RC 重构。具体窗口、归一化和缺失值处理未能确认。
• 中间输出：cycle-wise capacity/degradation trajectory。
• 最终输出：RUL（单位为 cycles）；EOL 阈值的数值未在可访问摘要中给出。

数据来源/数据结构/电池类型/循环协议

• 电池体系：锂离子电池。
• 数据来源：Xi’an Jiaotong University public cycling-ageing dataset + laboratory-built platform data。
• 数据结构：按循环组织的容量、Q-V、温度及充放电响应；摘要未给出电芯数、具体型号、公开数据集名称、采样频率和缺失处理。
• 循环协议：覆盖 various charge-discharge conditions；不同 estimation start cycles 也进行了实验，但倍率、温度、截止电压和每种工况的循环数未能确认。
• 是否跨电池/跨工况验证：摘要支持不同充放电条件和不同起始周期测试；严格按电池留出、跨平台外部验证和化学体系泛化仍需全文确认。

EOL/RUL/SOH 定义

• RUL：由预测容量轨迹到 EOL threshold 的剩余循环数，单位为 cycles。
• EOL 阈值：存在 threshold-based 判定，但具体容量保持率或数值未能从摘要确认，不能擅自写成 80%。
• SOH：论文主线是 capacity degradation modelling；SOH 的具体归一化定义未在可访问摘要中明确。
• 标签与未来信息：需要历史可测特征估计当前/后续容量并外推 EOL；单调性和 PH-Q 约束本身不是未来信息，但数据切分及特征计算是否严格只用预测时刻以前的数据仍需全文检查。

验证设计

• 摘要确认在公开循环老化数据和实验室平台数据上测试，覆盖不同充放电条件和不同 estimation start cycles。
• 对比了 generic CNN、RNN，以及 FNN、PINN、WOA-PINN 等 study-specific ablation/variant。
• 未能确认 train/test split 是否按电池划分、是否有完全独立外部平台测试、重复实验次数、置信区间或不确定性校准。

指标

• 多种充放电条件下 RUL error 低于 5 cycles。
• RMSE 约 0.01；摘要未明确该 RMSE 是容量轨迹还是归一化目标的 RMSE，不能当作 cycle error 解读。
• 不同估计起始周期下 RMSE 仍约 0.01，最大 RUL error 15 cycles。
• 摘要称 IWOA-PINN 在测试数据上优于 CNN、RNN、FNN、PINN 和 WOA-PINN；各电池/工况分层表格未能确认。

Baseline/对比方法

• Generic CNN、RNN。
• Study-specific FNN、PINN、WOA-PINN ablation/variant。
• IWOA-PINN 的改进来自 IWOA 超参联合优化、PH-Q prior 和 monotonicity constraint；消融中各约束的独立贡献需要完整正文确认。

泄漏风险/局限性/复现性

• 泄漏风险：中等/信息不足。容量轨迹预测很容易因随机切分循环片段、全寿命归一化或使用完整 Q-V 曲线而获得不现实的优势；本轮未能确认作者是否按电池/时间严格切分，也未能确认 MATT 等特征的可在线获取范围。
• 局限性：数据集、样本数、化学体系、EOL 阈值和外部平台划分不完整；IWOA 的计算成本和在线部署代价未能确认。最大 15 cycles 的误差也提示个别工况仍可能有明显偏差。
• 复现性：中等偏低/信息不足。Accepted Manuscript 页面公开了完整方法主线、特征名、baseline 和摘要指标，但未确认代码、随机种子、网络层数、超参边界、约束权重和原始数据下载地址。

是否值得跟进 / 对哥哥研究/落地的启发和后续动作

• 结论：强烈跟进。
• 启发：可把 PH/PV/PT/MATT 这类测量可得的退化代理和单调性约束加入哥哥的 physics-informed RUL pipeline；同时应把 EOL 阈值、起始观测长度和工况外推作为可比实验轴。
• 后续动作：获取正式 PDF；确认 EOL 阈值、数据集电芯与循环协议、按电池/按时间划分、IWOA 搜索空间和约束消融；优先复现“不同 estimation start cycle + 多工况”的 RUL 结果，并把 CNN/RNN/PINN/WOA-PINN 作为基线组。

后续追踪清单

1. 获取 10.1016/j.est.2026.124077 可读全文，核对 early-charging 特征、similarity gate 是否只用预测时信息、cell-wise split、低相似度失败案例和代码。
2. 获取 10.1088/1361-6501/ae9b36 正式 PDF，补齐 EOL 阈值、样本/循环协议、按电池划分、IWOA 搜索边界和 PH-Q/monotonicity 消融。
3. 对 10.1016/j.jpowsour.2026.241196 获取全文，确认 fractional-order state-space、EKF 参数在线更新、跨电芯泛化和退化参数是否真正进入 RUL/SOH 预测。
4. 对 10.1016/j.joule.2026.102444 获取正式全文；若没有标准寿命标签，则归档到固态电池 degradation mechanism，而不加入 RUL benchmark。
5. 将本次排除的 SoC-only 论文加入误报规则评估样本，检查是否需要对“仅 SoC 估计但摘要提及 lifespan”加惩罚。
6. 继续观察 arXiv 接口连续失败问题；在恢复前不要把本次 arXiv 结果为空误判为领域没有新预印本。
7. 对 score 52/54 的两个已知 missed cases 做低阈值人工复核，必要时由 Hermes 复核提升，但不自动改变本次通知集合。

核验后排除说明

本条保留在审核记录中，不计入 paper_count，也不作为正式寿命预测新增论文。

基本信息

• 标题：An interpretable hybrid LSTM–transformer framework with temporal attention fusion for lithium-ion battery state-of-charge estimation
• DOI/URL：https://doi.org/10.1038/s41598-026-67204-7
• 期刊/会议/预印本平台：Scientific Reports
• 发表日期：2026-08-17
• 作者和机构：Pradeep Menon、Shreyansh Jain、Ravi Velugula、Kanupriya Mittal、Mayank Mittal；机构包括 Indian Institute of Technology Madras、Dayananda Sagar University、Verdojah Technologies Private Limited。
• 通讯作者：Mayank Mittal（Nature 页面明确列出 correspondence 邮箱）
• 脚本评分：75

核验结论与排除理由

• Nature 页面可直接确认题名、作者、机构和摘要；模型是并行 LSTM + Transformer，并通过 Temporal Attention Fusion 处理短期波动与长期依赖。
• 摘要中的训练/测试设计是三种驾驶循环（steady state、urban、highway）训练，另用两种不同激烈程度和时长的新驾驶循环测试；还做 Gaussian noise 鲁棒性和复杂度分析。
• 但全文摘要没有 SOH、SOF、capacity fade、degradation trajectory、EOL 或 RUL 目标，也没有寿命预测标签/指标。它是 SoC 估计论文，不是电池寿命预测论文，因此按主题规则排除。
• 后续规则建议：对“battery + deep learning + lifespan/lifespan-related background”但标题和输出仅为 SoC 的候选增加排除惩罚，降低类似误报进入通知阈值的概率。