2026.09.21 · 电池研究日报

电池寿命预测论文每日监测报告（2026-09-21）

这是执行摘要，不是逐篇论文复述。今日 3 条新增记录均先经过来源核验；其中 1 篇可访问出版社摘要，2 篇由期刊 RSS 线索经 Crossref 题录确认，但出版社页/PDF 未成功获取。未知字段均保留为“未说明/未能确认”。

今日结论

• 新增： 3 篇；全文级 / 摘要级 / 元数据级 / 线索级：0 / 1 / 2 / 0。唯一达到摘要级证据的是 Fu 等的 RUL 方法；两篇《Journal of Energy Storage》记录只有题录级证据。
• 最值得跟进： ① An Interactive Remaining Useful Life Estimation Method...：摘要明确给出自编码器、非线性 Wiener 过程和在线 Bayesian 更新，并报告 RMSE、MAE 均下降超过 20%；下一步获取 PDF，核对数据集、EOL 标签和独立测试。② Physics-informed entropy temporal neural network...：标题直接命中跨工况 SOH，但当前只有题录；下一步等待出版社页可访问后核验输入、物理约束和跨条件划分。③ Towards interpretable and trustworthy...：题目覆盖可解释 PHM 与 physics-informed ML；下一步先确认期刊上线日期，再检查是否有可审计的 prognostics 结果。
• 总体判断： 今日新增继续集中在“物理先验 + 时序/随机退化建模”的路线。第一篇把深度特征压缩、退化轨迹构造、非线性 Wiener 过程和 Bayesian 后验更新串成在线 RUL 框架，和哥哥关注的寿命预测直接相关，但摘要没有透露公开数据集名称或严格的跨电芯划分。后两篇的主题价值明确，不过尚未能确认模型细节和实验结果，暂不应把题录标题当作方法有效性的证据。
• 质量提醒： ① 第一篇仅成功访问出版社摘要，不是全文级证据；② 两篇 RSS 记录的显示日期为 2026-12-30，而监测日为 2026-09-21，Crossref 也只确认到 2026-12，存在未来日期/卷期预发布字段冲突；③ 两篇出版社 URL、DOI 页面和 Elsevier 文本接口均未能由 web_extract 获取正文，因此作者机构、通讯作者、数据集、指标和泄漏检查均未能确认；④ 当前没有 source_alerts，但 metadata 级记录必须在下一轮复核后再用于严肃比较。
• 检索规模： 发现记录 274 / 保留题录 18 / 过滤条目 256。256 条是评分和相关性门槛过滤掉的检索噪声，不应解读为 256 篇漏报。

论文总览

单篇论文分析

1. An Interactive Remaining Useful Life Estimation Method for Lithium-Ion Batteries Based on Composite Performance Index and Nonlinear Wiener Process

论文基本信息

纳入理由与原文证据

• 主题/边界： 文章标题直接以 lithium-ion battery 的 RUL estimation 为目标，摘要同时讨论 performance degradation trajectory，属于电池寿命预测核心范围。
• 证据： 出版社摘要称框架“integrating deep learning and nonlinear Wiener process”，并称在公开数据集上使 RMSE 和 MAE “by more than 20%”下降；原文页面。

数据集/电池体系

• 体系/数据： 已确认是锂离子电池；摘要只说使用 public datasets，未说明数据集名称、电芯数量、化学体系细分、采样频率或传感器字段。摘要提到 multi-source sensor data，但具体输入未能确认。
• 工况/跨域： 未说明温度、倍率、SOC 窗口、充放电协议以及按电芯/批次的覆盖，也未能确认是否存在跨工况或跨化学体系测试。

EOL/RUL/SOH 定义

• 目标/定义： 目标是 RUL 预测，并构造一维 composite performance indicator 描述退化轨迹；EOL 阈值、RUL 单位、标签生成方式和是否采用容量阈值均未说明，不能自行假定为 80% SOH。
• 未来信息风险： 文章摘要没有说明在线更新时使用的观测窗口、后验平滑范围或测试集调参方式。需要重点检查完整寿命曲线是否参与特征选择/归一化，以及个体差异参数更新是否看到未来信息。

模型方法

• 流程： 多源传感器数据 → 带嵌入式 L1 正则的 autoencoder 提取退化特征 → 神经网络构造复合性能指标 → 带时变漂移函数的 nonlinear Wiener process → Bayesian posterior update，输出个体化 RUL。摘要称该结构实现 data-model interaction，但损失函数和 baseline 未列全。
• 部署： 摘要明确提到 online adaptive parameter adjustment，但没有给出设备计算量、更新延迟、传感器最低配置或 BMS 部署测试；其余均未能确认。

验证设计

• 划分/泛化： 仅能确认在 public datasets 上进行了 experimental verification；未能确认按电芯、LOCO、时间外推还是随机窗口划分，也未确认外部数据或独立测试集。
• 可信度： 中等偏低、信息不足。方法链条和摘要数字可核验，但验证协议、样本粒度和基线细节缺失，不能据此判断跨电芯泛化。

指标与结果

• 摘要报告 RMSE 和 MAE 相比对照方案均降低超过 20%，但未给出绝对值、对照模型名称、测试集和置信区间。出版社摘要 是当前唯一结果证据。
• 点预测之外，摘要提到 Bayesian 后验和个体差异量化，但没有报告预测区间覆盖率、校准误差或不确定性分解；脚本评分不是实验结果。

泄漏风险、复现性与局限性

• 泄漏风险： 信息不足；需检查 autoencoder/L1 特征选择是否只在训练段拟合、复合指标是否使用完整寿命轨迹，以及 Bayesian 更新是否在严格的在线时序边界内执行。
• 复现性： 信息不足。出版社页显示开放许可，但当前未确认代码、数据下载地址、超参数、随机种子和完整 preprocessing。
• 局限性： ① 数据集名称和电芯规模未说明；② 未知是否跨温度、倍率或化学体系验证；③ 摘要级证据无法评估在线计算成本与真实 BMS 可部署性。

是否值得跟进

• 结论： 强烈跟进。
• 理由与下一步： 该文直接命中 RUL，并把随机退化模型与深度特征、Bayesian 个体化更新结合，值得作为“数据驱动 + 退化过程”基线候选。下一步获取全文，记录数据集/阈值/划分/基线/代码，并用同一电芯级 benchmark 检查 >20% 改善是否稳健。

2. Towards interpretable and trustworthy lithium-ion battery prognostics and health management with physics-informed machine learning

论文基本信息

纳入理由与原文证据

• 主题/边界： 题名明确包含 lithium-ion battery prognostics and health management，并以 physics-informed machine learning 为方法方向，属于电池健康/寿命预测主题；但具体预测目标尚未能从元数据拆分。
• 证据： Crossref 记录的题名与期刊为 Journal of Energy Storage；Crossref 题录确认其类型为 journal-article。没有可引用的摘要结果，不能延伸解释为已验证的 RUL/SOH 性能提升。

数据集/电池体系

• 体系/数据： 题名确认锂离子电池；数据集、真实 BMS/实验室来源、电芯数量和输入信号均未说明。
• 工况/跨域： 未能确认温度、倍率、SOC 窗口、充放电协议或跨电芯/跨工况覆盖；“trustworthy”不能替代实际泛化证据。

EOL/RUL/SOH 定义

• 目标/定义： 题名使用 prognostics and health management，但未能确认是 EOL、RUL、SOH、容量退化还是多任务输出；阈值、单位和标签生成方式均未说明。
• 未来信息风险： 无摘要/正文可检查完整寿命曲线、后验平滑、特征归一化、模型选择和测试集调参，风险等级只能记为信息不足。

模型方法

• 流程： 目前只能从题名确认使用 physics-informed machine learning；具体物理先验、网络架构、输入输出、损失项、可解释性方法和 baseline 均未能确认。
• 部署： 未说明是否在线运行、需要哪些传感器、计算资源、延迟或不确定性输出。

验证设计

• 划分/泛化： 未能确认按电芯、时间、工况还是随机窗口划分，也未确认外部测试。RSS 与 Crossref 只提供题名/题录，不足以审查独立性。
• 可信度： 信息不足。期刊和标题相关性足以保留为观察对象，但没有摘要或实验内容，不能评价方法可信度。

指标与结果

• 未能从可访问内容确认 RMSE、MAE、RUL 误差、SOH 误差、校准、覆盖率或任何测试集数值；不要把脚本评分 68 当作论文实验结果。
• 可访问证据也没有确认是否报告可解释性评估、物理一致性指标或失败案例。

泄漏风险、复现性与局限性

• 泄漏风险： 信息不足；全文核验时应检查 physics-informed 约束是否使用未来状态、跨工况测试是否按电芯隔离，以及可解释性分析是否在测试集上事后选择。
• 复现性： 信息不足。Crossref 题录没有代码、数据、超参数或随机种子信息；开放获取状态也未能确认。
• 局限性： ① 日期晚于监测日，记录可能是期刊预排或 RSS 日期异常；② 只有题录，无法比较模型和结果；③ 作者机构与通讯作者均未确认。

是否值得跟进

• 结论： 观望。
• 理由与下一步： 题目与主题高度相关且期刊匹配，但证据不足以支撑强结论。下一步重试 ScienceDirect/Elsevier 页面或获取 DOI PDF，先补齐正式发布日期、摘要、数据集、目标定义和验证数字，再决定是否进入正式 benchmark。

3. Physics-informed entropy temporal neural network for cross-condition state-of-health estimation of lithium-ion batteries

论文基本信息

纳入理由与原文证据

• 主题/边界： 题名直接指向 lithium-ion battery 的 cross-condition SOH estimation，且明确写出 physics-informed entropy temporal neural network，属于健康状态估计与寿命预测的相邻核心任务。
• 证据： RSS 题名和 Crossref 题录都保留了 “cross-condition state-of-health estimation” 这一直接任务表述；DOI 入口当前未能由 web_extract 成功打开，因此没有可引用的摘要结果。

数据集/电池体系

• 体系/数据： 题名确认锂离子电池；数据集名称、电芯化学体系、样本规模、传感器和输入窗口均未说明。
• 工况/跨域： 题名暗示跨工况，但未能确认是跨温度、倍率、SOC、充电协议还是跨数据集；也未确认训练和测试是否按电芯隔离。

EOL/RUL/SOH 定义

• 目标/定义： 目标为 SOH estimation；SOH 的物理定义、容量/阻抗口径、标签阈值、采样时刻和是否输出未来退化轨迹均未说明。不能将 SOH 自动解释为某一固定容量比例。
• 未来信息风险： 跨工况场景尤其需要检查归一化统计量、熵特征、时间窗口和条件标签是否使用测试工况或完整寿命信息；现阶段没有正文证据可判断。

模型方法

• 流程： 题名仅支持“physics-informed + entropy + temporal neural network”的组合描述；熵的定义、时间网络类型、物理方程/约束、损失权重、输入输出和 baseline 均未能确认。
• 部署： 未说明在线更新、传感器配置、推理延迟、内存/算力和 BMS 集成方式。

验证设计

• 划分/泛化： “cross-condition” 是题名级线索，尚不能确认是否留出温度/倍率、留出电芯、外部数据或时间外推；独立测试状态未能确认。
• 可信度： 信息不足。主题和方法方向高度相关，但没有摘要、结果或实验协议，不能判断跨条件泛化是否真实。

指标与结果

• 未能确认 SOH 的 MAE、RMSE、MAPE、最大误差、跨条件性能差异或不确定性指标；当前没有可报告的原始实验数字。
• 物理一致性、单调性、校准和失败工况也未能确认；脚本评分仅代表检索相关性，不是论文性能。

泄漏风险、复现性与局限性

• 泄漏风险： 信息不足；优先检查熵特征是否由全序列计算、跨条件归一化是否混入测试域，以及滑窗切分是否把同一电芯相邻窗口分到训练和测试两侧。
• 复现性： 信息不足。当前题录没有代码、数据链接、超参数或随机种子，作者机构和通讯作者也未确认。
• 局限性： ① 只有元数据，无法确认模型实际结构；② “cross-condition” 未说明具体条件和留出策略；③ 期刊日期处于监测日之后，正式上线状态需要再次确认。

是否值得跟进

• 结论： 观望。
• 理由与下一步： 如果全文证实使用严格的留工况/留电芯测试，该题目对哥哥关心的跨条件 SOH 泛化很有价值；但当前不宜将方法名称当成结果。下一步获取 PDF/摘要，补齐 SOH 标签、条件划分、物理约束和逐条件误差，再决定是否复现。