2026.10.22 · 电池研究日报

电池寿命预测论文每日监测报告（2026-10-22）

今日结论

• 新增： 正式卡片 10 篇：papers[] 核验 5 篇（3 篇本轮新发现、2 篇历史积压），另将复核队列中已核验的 5 篇提升为正式卡片。payload 的 new_count=5 是本轮待核验候选数，不等于新发表论文数。
• 证据等级： 全文级 / 摘要级 / 元数据级 / 线索级：6 / 4 / 0 / 0。六篇取得出版社或机构库全文；四篇依据出版社公开摘要/文章预览，未把未见全文的实验细节补写为事实。
• 最值得跟进： PIKAN 的跨快充协议 RUL/SOH 外推值得复核公开划分与随机种子；280 Ah HI-C-GPR 的外推适合检查“未到 EOL”条件下寿命数字的验证边界；CVAE 集成方法应先获取全文确认条件变量是否在推理阶段可用。
• 总体判断： 本批方法涵盖显式/隐式物理约束、滤波与概率分布、健康指标-GPR、神经网络集成及面向实际应用的综述。最强实证仍来自有限的公开电芯或小样本工况；不能据此推断真实车队、卫星或在线 BMS 的普遍性能。
• 质量提醒： OpenAlex、Crossref 为相关性排序样本，不是全量索引；仅一篇 IOP 论文因订阅限制只能核摘要。PDF 抽取端点有失败，但相应出版社 HTML 页面仍可核验的论文已按实际可读层级标注。Gold-label Top-5 无已标注项，precision@K 未知，不按 0 处理。
• 检索规模： 原始发现次数 555 / 去重题录 351 / 重复发现 204 / retained 248 / 去重后过滤噪声 103。各计数口径不同，duplicate 与 filtered noise 都不是漏报数。

论文总览

单篇论文分析

1. Lithium battery SOH prediction based on modal decomposition and optimized transformer-bilstm framework with multi-strategy adaptive beaver behavior optimizer

论文基本信息

纳入理由与原文证据

• 主题/边界： 直接估计电池 SOH，属于电池健康预测；不是仅做材料改性或普通运行控制。
• 证据： 出版社摘要报告 5 个测试集上 R² 均大于 0.94、MAPE 均小于 0.04；这些是作者报告结果，并不等价于跨真实车队验证。出版社全文

数据集/电池体系

• 体系/数据： CALCE 公共数据；CS2-35/36/37/38、CX2-36/37/38 共七个锂电芯，额定容量分别涉及 1.1 Ah 与 1.35 Ah 系列；数据可向通讯作者合理申请，页面未提供代码。
• 工况/跨域： 以 CS2-35 作为 CS 系列训练来源、CX2-36 作为 CX 系列训练来源，并报告五个测试集；属于同一公开数据源内迁移，不等于化学体系外部验证。

EOL/RUL/SOH 定义

• 目标/定义： 输出 SOH 序列预测；文章提取 SOH 相关健康特征，但本次可读页面未能确认统一 SOH 标签公式或 EOL 阈值，故不补用常见 80% 阈值。
• 未来信息风险： 训练集上做 VMD 并将处理方案应用到测试集是较稳妥的描述；特征归一化、超参搜索是否全程仅由训练/验证集拟合仍建议核对。

模型方法

• 流程： 充电电流/电压等信号 → 七项健康特征（含 IC 峰值与电压、充电时长比等）→ VMD 降噪 → Transformer 抽长程关系、BiLSTM 抽局部双向时序 → MSA-BBO 搜索超参 → SOH。比较六个模型；部署延迟/在线更新未能确认。

验证设计

• 划分/泛化： 七个 CALCE 电芯的跨电芯迁移设置，五个测试集；不是跨实验室、跨化学体系或真实 BMS 验证。
• 可信度： 中。测试对象与分组明确，但样本规模仍小；六模型对照和 transfer setting 有价值，独立外部数据与多随机种子不充分。

指标与结果

• 五个测试集的 R² 均 >0.94、MAPE 均 <0.04；摘要没有在同一处给出逐电芯误差，未将脚本分数当作实验结果。

泄漏风险、复现性与局限性

• 泄漏风险： 中；跨电芯设置优于随机窗口拆分，但需审查归一化、特征筛选与 MSA-BBO 是否接触测试标签。
• 复现性： 中低；CALCE 可得，数据需向作者申请；没有在已查页面确认公开代码、随机种子与完整超参。
• 局限性： 七颗电芯且同一来源；VMD/优化/深度网络组成较多，计算开销未量化；更广温度、倍率与在线信号尚未验证。

是否值得跟进

• 结论： 观望/复现。
• 理由与下一步： SOH 任务直接相关，但评分只 58 且模块复杂。优先复核 test-only 特征流程与划分，再尝试仅用 CALCE 七电芯做严格 leave-one-cell-out 重现。
• 补充核验点： 当前可读结果以作者汇总指标为主；逐电芯误差、预测区间、训练/推理成本和不同采样频率下的稳定性均未能确认，暂不据此判断部署可行性。

2. Unified Explicit–Implicit Degradation Dynamics with Physics-Informed Kolmogorov–Arnold Networks for Lithium-Ion Battery SOH Estimation and RUL Prediction Under Different Charging Protocols

论文基本信息

纳入理由与原文证据

• 主题/边界： 同时定义 SOH 估计与 RUL 预测，直接符合监测主题；将预测放在快充协议变化下评估。
• 证据： MIT–Stanford–Toyota 公开数据含 124 个 A123 LFP/graphite 电芯；Case 2 电芯 #101 上，PIKAN-D 的 RUL RMSE/MAE 为 33.14/25.83 cycles。出版社全文

数据集/电池体系

• 体系/数据： 124 个商业 LFP/graphite 电芯，A123 Systems，1.1 Ah、3.3 V；公开 MIT–Stanford–Toyota 快充老化数据。
• 工况/跨域： 两种快充协议（4.36C/80% SOC–4.36C 与 5.3C/54% SOC–4C）；每种协议内按电芯训练/测试，并跨协议比较。并非跨化学体系或真实道路运行。

EOL/RUL/SOH 定义

• 目标/定义： 论文将 EOL 设为实测 SOH 首次达到 80% 的循环；RUL 以总寿命循环数减当前循环表示。标签依赖完整寿命记录，且阈值具有约定性。
• 未来信息风险： 80% 标签本身需事后完整曲线确定；实际在线预测时仅可输入截断前缀，需确认训练与测试窗口没有把 EOL 后信息送入特征或归一化。

模型方法

• 流程： IC 曲线统计量六项 + DC 趋势两项 → KAN 非线性表示 → 自动微分物理残差；SOH 任务用 Verhulst 显式约束或 DeepHPM 隐式动力学，RUL 采用 DeepHPM。对照 1DCNN、GRU、TCN、CNN-MLP、KAN、PINN 等；未报告标准化在线延迟/内存。

验证设计

• 划分/泛化： 按电芯留出，在两种协议的 Case 1/2 上测试；非随机窗口混分。论文说明每个设置只运行一次，#124 的结构消融属探索性，非独立 nested validation。
• 可信度： 中。明确跨电芯/跨协议比较，但单次运行、有限测试电芯和结构选择可能乐观。

指标与结果

• Case 2 #101：PIKAN-D RUL RMSE/MAE=33.14/25.83 cycles，PINN-D=52.12/40.70；SOH Case 1 #124 RMSPE/MAE=0.240/0.161。论文还指出不确定性量化不足。

泄漏风险、复现性与局限性

• 泄漏风险： 中；按电芯划分降低窗口泄漏，但报告未说明多随机种子，且超参/网格敏感性只在 #124 上检查，需核实其与最终测试的隔离。
• 复现性： 中；公共数据、PyTorch/CUDA、优化器与训练轮数等有报告，代码链接未在文章页确认。
• 局限性： 仅一类 LFP/graphite 与两类快充；无不确定性评估；推理成本和实车/部分充电部署尚未量化。

是否值得跟进

• 结论： 强烈跟进。
• 理由与下一步： 这是本批中验证设计与研究目标匹配度较高的 RUL/SOH 研究。复现时先复核 case 设计、RUL 标签构造、单次运行造成的方差及 #124 调参是否污染测试。
• 补充核验点： 跨协议证据仍限于同一公开快充数据集；后续应在独立电池批次和目标 BMS 采样频率上确认输入可得性，并报告多随机种子的误差区间。
• 应用提示： 该基准基于完整离线循环记录抽取 IC/DC 特征；部分充电数据、车辆噪声与设备上的推理资源需求尚需另行验证。

3. Remaining useful life prediction of lithium-ion batteries using a novel particle flow filter framework with grey model

论文基本信息

纳入理由与原文证据

• 主题/边界： 明确预测锂电池 RUL，并估计 SOH/容量退化；属于直接目标。
• 证据： 文章将灰色模型给出的下一循环容量作为粒子流滤波观测，按早/中/晚阶段报告预测，并给出 NASA 与 CALCE 数据结果。出版社全文

数据集/电池体系

• 体系/数据： CALCE 与 NASA PCoE 的锂离子电池；文中示例包括 CALCE A1/A2/A3 和 NASA B05/B06/B18。室温 24°C；CALCE 容量阈值 0.7 Ah，NASA 阈值为额定容量 70%（文中示例 1.4 Ah）。数据可从 CALCE 获取。
• 工况/跨域： 同时使用两个公开数据集，但不是跨化学体系；预测起点按 70、80、90 cycles 分早、中、晚期。

EOL/RUL/SOH 定义

• 目标/定义： RUL 是从当前观察时刻至容量到达 EOL 阈值的剩余循环数；本文采用 70% 额定容量作为主要阈值。SOH 由容量退化表示。
• 未来信息风险： 迭代预测时逐步更新观测，符合在线思路；但文章用六组实验数据拟合双指数模型参数并取均值初始化，需确认测试轨迹是否参与参数初始化，存在潜在前视信息风险。

模型方法

• 流程： 双指数经验容量衰减模型 → 最小二乘估计初始参数 → GM(1,1) 预测下一周期容量 → 作为 PFF 观测更新粒子状态 → 输出 RUL 概率分布。设 100 个粒子；对照 PFF。

验证设计

• 划分/泛化： 选 70/80/90 周期预测起点，比较不同寿命阶段；同一论文还比较 PFF 与 GM-PFF。测试轨迹是否被用于全部初始化细节，公开文中仍需复查。
• 可信度： 中低；公开数据、概率输出与阶段性测试是优点，但小样本、参数初值依赖和潜在全轨迹初始化影响结论。

指标与结果

• NASA PCoE 的 B06 后期 RUL 绝对误差：GM-PFF 为 3 cycles、PFF 为 14 cycles；CALCE 预测区间宽约 2–3 cycles，NASA 约 5–7 cycles。正文另报告 A1 早期容量 RMSE 0.0569 Ah，对照 PFF 为 0.0827 Ah。

泄漏风险、复现性与局限性

• 泄漏风险： 中高；若用整段寿命轨迹估计初始衰减参数，再评估同轨迹早期预测，可能形成时间信息泄漏；应按电芯留出重算。
• 复现性： 中；CALCE 页面公开，NASA PCoE 有数据入口；代码与完整随机设置未能确认。
• 局限性： 数据轨迹少；GM 对初值和局部容量恢复敏感；对其他化学体系、温度与卫星/车载工况的泛化未证明。

是否值得跟进

• 结论： 跟进。
• 理由与下一步： 低成本的概率滤波框架可作经典基线。复现实验应严格逐电芯留出，禁止使用测试轨迹全寿命参数初始化，并报告区间覆盖率而不只给窄区间宽度。
• 补充核验点： 论文的误差改善来自特定公开样本，不能直接外推到电动车队；应同时报告不同起点、不同 EOL 阈值下的偏差和预测区间校准。

4. Remaining useful life distribution prediction framework for lithium-ion battery fused prior knowledge and monitoring data

论文基本信息

纳入理由与原文证据

• 主题/边界： 直接输出锂电池 RUL 分布，不是仅做异常检测或能量调度。
• 证据： 摘要说明融合 Wiener 退化先验和 CNN-GRU 学得的监测模式，用 stacking 与自适应采样权重形成可变形状的复合 RUL 分布。IOP 摘要

数据集/电池体系

• 体系/数据： 摘要确认 lithium-ion battery，但未说明具体数据集、电芯数量、化学体系、来源或样本规模；不能凭作者机构推断数据。
• 工况/跨域： 监测数据与统计模型相融合；温度、倍率、跨电芯/跨工况划分均未在可读摘要披露。

EOL/RUL/SOH 定义

• 目标/定义： 目标为 RUL 概率分布；摘要未给出 EOL 阈值、RUL 单位、标签生成规则或 SOH 定义。
• 未来信息风险： MC dropout 与分布预测可表达不确定性，但未能从摘要确认预测起点、标签构造、未来信息隔离及校准方式，当前均属待核问题。

模型方法

• 流程： Wiener 过程描述单电芯容量退化先验；CNN-GRU 从历史监测数据学习模式；一维 CNN stacking 融合组件预测，最优估计确定采样权重，MC dropout参与分布估计。部署与实时计算开销未说明。

验证设计

• 划分/泛化： 摘要称与既有方法比较，但未披露数据切分、独立测试、基线清单或跨电芯设计。
• 可信度： 信息不足。论文主题和方法已由 IOP 页面确认，但只能获得摘要，不能据此判断性能幅度或泛化质量。

指标与结果

• 摘要只称方法表现良好，未给 RMSE/MAE、概率覆盖率、校准误差或具体测试集数字；不作定量排名。

泄漏风险、复现性与局限性

• 泄漏风险： 信息不足；需核对 CNN-GRU 的训练/测试时序、stacking 是否使用 out-of-fold 预测，以及 MC dropout 区间校准。
• 复现性： 低；全文受订阅限制，数据、代码、超参与随机种子均未能确认。
• 局限性： 摘要证据不足以判断样本覆盖；概率分布优于点估计的主张尚无可核指标；现实运行数据可用性未确认。

是否值得跟进

• 结论： 跟进。
• 理由与下一步： RUL 分布预测与融合先验契合风险敏感 BMS。下一步获取全文，重点检查概率覆盖/校准、stacking 数据隔离和数据集身份。
• 补充核验点： 在没有样本规模与切分信息前，摘要的定性结论只支持“方法主题相关”，不支持算法优越性判断；全文优先核查基准公平性及不同电芯的分布校准。

5. Remaining useful life prediction of high-capacity lithium-ion batteries based on incremental capacity analysis and Gaussian kernel function optimization

论文基本信息

纳入理由与原文证据

• 主题/边界： 面向高容量锂电池 RUL 与当前 SOH 预测，且比较 NASA 公共数据，直接符合寿命预测主题。
• 证据： 文章报告 NASA 四颗电芯在多个预测起点下 MAPE <0.02，280 Ah 电芯预测的 RUL 终点分别为 2491、3259、3413 cycles；大型电芯未实际运行至 EOL。出版社全文

数据集/电池体系

• 体系/数据： NASA PCoE 的四颗 18650 锂电芯 #5/#6/#7/#18；另用企业 280 Ah 大容量电芯约 1000 cycles。NASA 数据公开；280 Ah 原始数据需向通讯作者合理申请。
• 工况/跨域： NASA 四颗电芯在同一实验环境；280 Ah 只有一个企业样本，循环超过 6 小时，未达到失效阈值。

EOL/RUL/SOH 定义

• 目标/定义： NASA #5/#6/#18 的失效阈值采用额定容量 70%（1.4 Ah）；#7 未达到该阈值。280 Ah 电芯以 196 Ah（额定 70%）作为外推阈值。RUL 是达到阈值所需剩余循环数。
• 未来信息风险： NASA 预测分别用前 60/80/100 cycles；280 Ah 用前 400/600/800 cycles。后者只观测约 1000 cycles、未观测 EOL，故 RUL 是阈值外推，不能视为已实测寿命。

模型方法

• 流程： CC 充电段计算 IC 曲线并经 Savitzky–Golay 平滑，提取 IC 峰值与峰下面积；HI-GPR 预测健康指标，再由容量 GPR 预测未来容量。核函数组合平方指数与周期项，试图处理容量再生；实现使用 Python/GPy。

验证设计

• 划分/泛化： NASA 四颗电芯按不同历史长度做前缀预测；大型电芯为单体时间序列外推。没有外部企业/批次验证，也未提供多电芯高容量测试。
• 可信度： 中低。NASA 多电芯与多个起点提供基准；280 Ah 主张仅基于单体且未观测真实失效终点。

指标与结果

• NASA 四电芯平均 MAPE <0.02，RMSE/MAE <0.04；预测 RUL 循环数绝对误差 <5 cycles。280 Ah 当前 SOH 的 MAPE <0.001、RMSE/MAE <0.4；阈值循环数 2491/3259/3413 是预测值。

泄漏风险、复现性与局限性

• 泄漏风险： 中；不同起点做前缀预测可避免明显未来窗口输入，但模型验证的独立电芯/超参选择细节仍需逐表确认；280 Ah 数据少且 EOL 外推无法实测校验。
• 复现性： 中；NASA 数据公开、GPy 与实现路线可确认；280 Ah 数据受限，代码未确认。
• 局限性： 高容量数据只有一颗且未到阈值；假设未来退化趋势可从历史外推；对其他容量、化学体系及在线充电片段未验证。

是否值得跟进

• 结论： 跟进。
• 理由与下一步： ICA 可解释健康特征与容量再生核函数值得复现。优先验证 280 Ah 外推在不同历史起点的稳定性，并寻找真实达到阈值的独立电芯。
• 补充核验点： 280 Ah 的三个预测终点都是模型输出而非真实失效标签；引用时应与 NASA 实测阈值结果分开，避免将 SOH 高精度误读为长期 EOL 已验证。

6. Remaining useful-life prediction of lithium battery based on neural-network ensemble via conditional variational autoencoder

论文基本信息

纳入理由与原文证据

• 主题/边界： 标题和摘要直接以锂电池 RUL 为预测目标；因低于主阈值，先进入人工复核，核实出版社摘要后提升。
• 证据： 摘要描述以局部加权线性回归平滑、注意力做初步线性集成，再用 CVAE 以真实标签为条件实现非线性集成。出版社预览

数据集/电池体系

• 体系/数据： 文章数据声明指向 MATR 与 BatteryArchive；摘要未点明实际采用的具体子集、电芯数、化学体系或工况，不将缩写表当成实验数据证明。
• 工况/跨域： 摘要没有说明按电芯/批次/工况划分，也未确认是否外部测试。

EOL/RUL/SOH 定义

• 目标/定义： RUL 为主题，但可读摘要没有给 EOL 阈值、单位、标签来源或 SOH 定义。
• 未来信息风险： CVAE 以 truth labels 作条件。需要核实条件变量是否只用于训练，还是预测时仍要求已知真实目标；若后者则不能作为可部署推理方案。

模型方法

• 流程： 容量/健康数据先用 locally weighted linear regression 平滑；注意力机制在特征层形成初始线性集成；CVAE 根据标签条件表达基学习器之间的非线性关系。摘要未披露具体基模型、损失函数与推理流程。

验证设计

• 划分/泛化： 仅确认作者做了与 candidate methods 的实验比较；训练/验证/测试拆分、基线名称和跨域设计均未在可读预览说明。
• 可信度： 信息不足。主题及核心集成思想已确认，但全文订阅限制使性能表和数据处理不可核验。

指标与结果

• 摘要只称方法优于候选方法，没有可核验的 RMSE、MAE、MAPE 或具体测试集数字；不沿用脚本分数代替实验指标。

泄漏风险、复现性与局限性

• 泄漏风险： 中高待查；CVAE 使用真实标签条件，必须确认训练/推理接口和数据拆分，且不能凭摘要断言已泄漏。
• 复现性： 低；数据入口公开，但具体子集、预处理、代码、种子与参数未从预览确认。
• 局限性： 全文受限；摘要不提供量化结果；标签条件、基学习器与跨电芯泛化信息不足。

是否值得跟进

• 结论： 跟进。
• 理由与下一步： 非线性集成思路可与固定权重 ensemble 比较。获取全文后先核对 CVAE 的条件变量在推理阶段是否可得，再考虑复现。
• 补充核验点： 本卡保留为摘要级，不把数据库入口当作作者实际采用的数据证据；需查清样本筛选、各基学习器的训练窗口和所有比较模型的统一拆分。

7. Insights and reviews on battery lifetime prediction from research to practice

论文基本信息

纳入理由与原文证据

• 主题/边界： 综述专门讨论电池寿命/健康预测，从研究方法到实践挑战，属于主题相关综述；不是一项新模型的验证论文。
• 证据： 出版社摘要覆盖物理、经验、等效电路、数据驱动与混合预测，并讨论真实部署中的规模、复杂度和异常数据问题。ScienceDirect 摘要

数据集/电池体系

• 体系/数据： 综述讨论电池预测方法，非单一电化学体系实验；摘要提及 EV、可再生能源等背景，但不代表作者自有验证数据。
• 工况/跨域： 汇总文献中的多类应用，具体筛选数据库、文献纳排标准与体系覆盖须读全文确认。

EOL/RUL/SOH 定义

• 目标/定义： 关注电池健康与寿命预测领域；本文不提出单独的 RUL 标签、SOH 公式或 EOL 阈值。
• 未来信息风险： 综述不输入运行序列作预测，数据泄漏不适用；应关注纳入研究之间的标签定义不一致及 benchmark 可比性。

模型方法

• 流程： 综述物理机理、经验模型、等效电路、传统 ML、深度网络及混合方法；案例用于说明应用灵活性。提及数字孪生、数据中心 AI、标准化 benchmark 与边缘-云协同等趋势；不是新算法。

验证设计

• 划分/泛化： 无单独 train/test 实验。可读摘要未给系统检索策略、纳入文献数量或质量评估框架，不能将其当作定量 meta-analysis。
• 可信度： 中低（摘要层面）。主题覆盖清楚，但综述方法的可复核性需全文确认。

指标与结果

• 没有自有预测指标或统一量化排名；结论是领域挑战与机会的叙述性综合，不能与原始模型论文的误差直接比较。

泄漏风险、复现性与局限性

• 泄漏风险： 不适用预测数据泄漏；主要风险是综述检索偏倚、选择性引用与跨论文指标定义不一致。
• 复现性： 信息不足；摘要未给检索式、数据库、筛选流程与代码。
• 局限性： 综述不是实证基准；未从摘要确认系统综述方法；涉及数字孪生/区块链等方向需区分概念机会与已验证应用。

是否值得跟进

• 结论： 观望/作为背景。
• 理由与下一步： 可帮助定位“从模型到实践”的问题。获取全文，整理预测目标、真实数据、验证协议的证据表，而不是直接引用其对方法优劣的概述。
• 补充核验点： 对哥哥后续的实证工作，建议将综述当作检索入口，再回到原始论文逐项验证数据、阈值及实验拆分，避免把综述概括当作可复现结论。

8. An online dual filters RUL prediction method of lithium-ion battery based on unscented particle filter and least squares support vector machine

论文基本信息

纳入理由与原文证据

• 主题/边界： 明确提出锂离子电池 RUL 预测方法，且强调在线迭代更新，直接纳入；不是仅有故障诊断标签。
• 证据： 出版社摘要描述用 LSSVM 生成虚拟观测并送入 unscented particle filter，同时更新容量退化状态与模型参数；以 PDF 表达预测不确定性。ScienceDirect 摘要

数据集/电池体系

• 体系/数据： 摘要确认锂离子电池，但没有明确 NASA/CALCE、样本数、容量、化学体系或实验温度；不按相近论文猜测其数据来源。
• 工况/跨域： 摘要称仿真结果，未披露跨电芯/跨工况或真实在线数据验证。

EOL/RUL/SOH 定义

• 目标/定义： 目标是电池剩余有用寿命；摘要没有给 EOL 阈值、RUL 单位、标签生成和 SOH 公式。
• 未来信息风险： 作者称迭代在线更新，但仿真时的观测输入边界、测试序列切分及初始参数拟合范围未能确认，需检查是否严格因果。

模型方法

• 流程： 相空间重构预处理 → LSSVM 预测值作为 UPF 测量方程的虚拟观测 → 双滤波器迭代更新容量退化状态和 LSSVM 参数 → 概率密度表示不确定性。部署性能数字未见于摘要。

验证设计

• 划分/泛化： 公开页面仅称 simulation results 与方法对比，没有说明数据集、训练/测试拆分、预测起点或基线数量。
• 可信度： 信息不足；“online”是模型更新设计，不自动证明真实 BMS 在线验证。

指标与结果

• 摘要没有提供 RMSE、MAE、RUL 周期误差或覆盖率数字，只定性称方法优于既有方法；须以全文表格复核。

泄漏风险、复现性与局限性

• 泄漏风险： 信息不足；需审计每一轮预测是否只使用当时及以前观测，特别是相空间窗口、超参选择和虚拟观测的生成。
• 复现性： 低至中；核心算法组件已知，但具体电池数据、代码、随机种子和参数未从预览确认。
• 局限性： 摘要没有数据规模与定量结果；滤波/核模型假设可能依赖退化轨迹；实时计算成本未披露。

是否值得跟进

• 结论： 观望。
• 理由与下一步： 可作为在线滤波融合基线。获取全文后再决定复现，优先核对因果切分、概率校准和运行时开销。
• 补充核验点： “online”描述算法更新方式，不等于在线系统评估；如果数据仅为仿真，应与真实 BMS 的传感噪声、掉点和计算时限分开讨论。
• 跟进重点： 可先用单一、明确 EOL 阈值的数据集复现 UPF/LSSVM 组合，再测试不同噪声强度和采样缺失下的不确定性输出，并核查概率覆盖率。

9. Satellite lithium-ion battery remaining useful life estimation with an iterative updated RVM fused with the KF algorithm

论文基本信息

纳入理由与原文证据

• 主题/边界： 面向卫星锂电池剩余寿命估计；属于明确电池 RUL 预测，虽为较早工作仍适合做在线预测基线。
• 证据： 出版社全文给出迭代 RVM-KF 与 NASA PCoE #05/#06/#07 结果，并另用真实卫星两种工况电池验证退化趋势。ScienceDirect 全文

数据集/电池体系

• 体系/数据： NASA PCoE 商用 18650 锂电池 #05/#06/#07；另有真实卫星 DDC（加速双充放电）和 CDC（模拟在轨任务）两种工况数据。卫星电芯循环容量无法直接测量，以电压作为退化代理。
• 工况/跨域： NASA 室温测试及两类卫星工作条件；卫星数据是实际应用信号，但不同电芯/任务的外部独立留出细节有限。

EOL/RUL/SOH 定义

• 目标/定义： NASA PCoE 采用额定容量衰减 30%（约 1.38 Ah）为 EOL，RUL 为至该点的剩余循环数；卫星数据因不能逐循环测容量，以电压特征代替容量退化变量。
• 未来信息风险： NASA 起点测试在 60/80/100 cycles；迭代阶段把滤波后的预测值追加为在线样本。需检查每个起点的训练数据是否严格截断，卫星电压代理阈值的物理含义也有限。

模型方法

• 流程： RVM 初始预测 → KF 结合物理退化模型校正 → 将新估计加入训练集并重训 RVM → 逐步输出后续 RUL。作者讨论以数据驱动预测作动态系统观测；目标是改善长时预测。

验证设计

• 划分/泛化： NASA #05/#06/#07 多个预测起点；与基础 RVM、AR 比较；另在 DDC/CDC 卫星数据上评估趋势。不是大量卫星、任务间交叉验证。
• 可信度： 中；公开 NASA 数据及真实卫星信号是优点，但卫星样本少且电压仅为容量代理，文中也承认需增加复杂工况验证。

指标与结果

• NASA #05 起点 100：RVM-KF 的 RUL 相对误差 0.0312，基础 RVM 为 0.1406；卫星 DDC43/CDC82 在起点 100 的容量 MAE/RMSE 分别为 0.0073/0.0087、0.0079/0.0116（原文尺度沿用，未换算）。

泄漏风险、复现性与局限性

• 泄漏风险： 中；论文按选定起点做逐步更新，但需确认每个起点独立初始化、未用 EOL 之后信息；卫星终点指标通过代理变量，不等价真实容量寿命。
• 复现性： 中；NASA PCoE 可获取，卫星数据集细节与代码未确认；开源文章可见算法与表格。
• 局限性： 重训 RVM 计算成本未优化；实际卫星数据有限；未来作者也提出需更复杂工况下验证鲁棒性。

是否值得跟进

• 结论： 观望/基线。
• 理由与下一步： 方法有清晰的递推框架，可与新型粒子滤波、GP 和神经网络对照。复现应按 NASA 电芯隔离，且把卫星电压代理误差与容量 RUL 分开报告。

10. Remaining Useful Battery Life Prediction for UAVs based on Machine Learning

论文基本信息

纳入理由与原文证据

• 主题/边界： 属于电池 RUL，但目标细化为一次飞行放电过程的剩余时间至 EOD，不是电芯可用的剩余充放电循环寿命；可作为应用型相邻 RUL 基线。
• 证据： 全文明确使用仅电压信号的两分钟滑动窗估计当前剩余飞行时间，并在六组电池记录上做留一电池测试。机构库全文

数据集/电池体系

• 体系/数据： 文中为 Li-ion 电池，六组记录来自六颗不同电池，输入为端电压随时间序列；电芯具体化学配方、容量及可下载数据集未能确认。
• 工况/跨域： 多个 UAV 飞行条件下采集；每次预测使用两分钟电压窗口，先对非重叠 3 秒片段取均值，再过 10 阶低通 FIR。跨不同 UAV/负载/天气的外部验证未说明。

EOL/RUL/SOH 定义

• 目标/定义： 预测一次放电的剩余时间至 EOD。电压范围为 14–16.8 V；在电压到达最低值加全量程 50% 时触发预测，以最低值加全量程 15% 作为安全终止阈值；并非循环寿命 EOL 标签。
• 未来信息风险： 五组记录调参与训练、留一组测试，作者称调参仅用训练记录；但只有六颗电池，不能证明跨设备部署泛化。

模型方法

• 流程： 输入 40 维滤波电压窗 → LASSO、LS-SVR、MLP 或 Gradient Boosted Trees 直接回归当前 RUL；均用五组数据训练/调参，留一组评估。GBT 整体最好，LASSO 常高估 RUL；模型推理时间/机载算力未报告。

验证设计

• 划分/泛化： 六组不同电池记录做 leave-one-out；每轮五组训练/调参、一组留出。外部任务、另一种电池化学体系和真机机队验证未报告。
• 可信度： 中低；留一电池比随机窗口拆分更可靠，但 n=6 且来源覆盖有限。

指标与结果

• 六组平均“Precision”（原文指标名）GBT 0.85、LS-SVR 1.76、MLP 1.11、LASSO 3.45；平均 MAPER 分别 96.57%、120.81%、104.95%、297.43%。作者称 GBT 最佳；样本规模小，不能外推为行业性能。

泄漏风险、复现性与局限性

• 泄漏风险： 低至中；LOO 与训练内调参降低泄漏风险，但仅六条电池记录，需检查记录内时间窗相关性及采样独立性。
• 复现性： 中低；方法、预处理和评价表见全文，但未确认代码或原始电压数据公开，硬件运行成本未评估。
• 局限性： 仅使用电压；预测的是单次放电至 EOD 的时间；作者称仍需更多实验数据、多参数输入及机载计算评估。

是否值得跟进

• 结论： 跟进/基线。
• 理由与下一步： 可作为“电压-only、当前放电时间 RUL”的经典 UAV 对照；复现时需区分 EOD 任务预测与循环寿命预测，并补做独立飞行任务/电池验证。