2026.11.05 · 电池研究日报

电池寿命预测论文每日监测报告（2026-11-05）

今日结论

• 新增： 本报告正式纳入 6 篇：payload papers[] 中核验通过 3 篇，低分复核队列提级 3 篇；其中多篇为历史积压，不代表近 30 天发表。全文级 / 摘要级 / 元数据级 / 线索级：1 / 5 / 0 / 0。补报恢复报告：0 篇。
• 最值得跟进： ① Signal-quality-aware adaptive prediction：三套数据和嵌入式实机部署，值得核实跨电芯时间外推；② 2014 Applied Energy：包含长期循环与植入后场景，但需补全文及 RUL 误差；③ CNN/RUL（Batteries 2026）：公开全文与电池间测试可读，需重点审查容量派生特征和目标泄漏。
• 总体判断： 近期主题横跨 SOH/RUL 的量子特征-循环网络与信号质量自适应路由；两者目前仍以 NASA 等公开实验数据为主，泛化及在线预测协议需要阅读全文复核。历史文献也有可借鉴的容量投影、粒子滤波及分层退化建模。公开来源可证实主题的论文已纳入；分数低不等于不相关，低分提升项仍明确标出证据限制。
• 质量提醒： OpenAlex 部分失败，source_health 记 20 次请求中失败 14 次；transport_stats 另记 22 次、失败 16 次，存在统计口径差异，本轮检索为 degraded。3 篇 Top-5 复核论文的出版社全文未能直接取得，按摘要/索引片段等级记录；ResearchGate 单独上传稿及未来占位日期题录延期，不按无关处理。Top-K 人工标注覆盖为 0%，precision@K 未知。
• 检索规模： 发现记录 394 / 去重后记录 311 / 重复记录 83 / 保留题录 205 / 过滤条目 106。重复发现与过滤噪声为不同口径，不作漏报数。

论文总览

单篇论文分析

1. Method for estimating capacity and predicting remaining useful life of lithium-ion battery

论文基本信息

纳入理由与原文证据

• 主题/边界： 同时估计容量并外推至电池服务终点，明确预测剩余可用寿命，直接符合容量衰退与 RUL 范围。
• 证据： 出版社摘要说明以容量估计为基础，用 Gauss–Hermite 粒子滤波外推容量衰退至服务终点，并报告 10 年连续循环实验。ScienceDirect 摘要

数据集/电池体系

• 体系/数据： 锂离子棱柱电芯，用于植入式医疗设备。摘要称实验室四只测试电芯连续循环 10 年，并使用四只植入后取出的现场电芯数据；具体化学体系、样本量定义、开源链接未说明。
• 工况/跨域： 现场电芯为植入 4–7 年后的每周循环数据；温度、倍率及完整跨电芯划分未能确认。

EOL/RUL/SOH 定义

• 目标/定义： RUL 为容量衰退达到不可接受容量/失效限制前的剩余服务寿命；确切容量阈值、输出单位和标签生成规则未能确认，不套用常见 80% 阈值。
• 未来信息风险： 摘要没有给出逐时预测协议；需确认容量投影在每个预测时点只使用当时及以前的循环信息。

模型方法

• 流程： 状态投影方案估计容量，再以 Gauss–Hermite particle filter 追踪容量衰退并投影至 end-of-service/failure limit；属于滤波与状态/退化联合的 PHM 路线。基线、消融及超参数未说明。
• 部署： 面向植入式电池可靠性；在线计算量、传感器、时延和部署测试未说明。

验证设计

• 划分/泛化： 十年实验室循环数据支持容量估计与 RUL 方法验证；四只现场电芯的植入后周循环数据在摘要中用于进一步验证容量估计，不能据此推断现场 RUL 已验证。
• 可信度： 中；有长时实验与现场数据，但全文不可访问，验证目标和划分方式未能完整确认。

指标与结果

• 摘要称容量估计准确、RUL 预测能捕获不确定性，但未给 MAE/RMSE、误差区间或测试集数字；不得把文字结论转成定量精度。

泄漏风险、复现性与局限性

• 泄漏风险： 信息不足；重点核对滤波器初始化、未来容量观测是否进入估计、实验室测试是否按电芯留出。
• 复现性： 低至信息不足；现场数据和代码、滤波参数及预处理细节未从摘要确认，出版社全文需要机构访问。
• 局限性： 医疗植入用途与电芯工况特定；容量/RUL 阈值未能确认；摘要无数值误差，且现场验证描述限于容量估计。

是否值得跟进

• 结论： 跟进。
• 理由与下一步： 该文是容量投影与概率 RUL 的早期集成案例。优先取得全文，核对失效阈值、逐电芯数据、预测起点和 RUL 区间覆盖率，再与现代 NASA/EV 公开 benchmark 对齐。

2. A Data-Driven Framework for Lithium-Ion Battery Remaining Useful Life Prediction Using CNN and Machine Learning Models

论文基本信息

纳入理由与原文证据

• 主题/边界： 直接比较多种模型预测锂离子电池 RUL，并给出 EOL 定义，属于正式寿命预测研究。
• 证据： 原文报告 NASA B0047 训练、B0048 测试，容量降至初始值 70% 定义 EOL；CNN 的 MAE 7.75 cycles、RMSE 10.80。MDPI 全文

数据集/电池体系

• 体系/数据： NASA 锂离子电池退化数据，文中明确 B0047 作训练、B0048 作测试，使用电压、电流、温度、内阻、容量及派生退化特征。作者称构成 48,000 observations、24 features，但两只电芯的样本粒度、窗口构造和有效循环数解释不足；数据链接指向 NASA 公开记录 10.21227/p4st-2305。
• 工况/跨域： 实验室恒流放电 1–4 A、不同截止电压；未见跨温度、化学体系或真实 BMS 外部验证。

EOL/RUL/SOH 定义

• 目标/定义： 以容量达到初始容量 70% 为 EOL，RUL 按剩余循环数预测。SOH 标签计算细节未单独说明。
• 未来信息风险： 输入含 cycle、容量比、平滑容量及退化派生特征；cycle 与 RUL 标签存在强构造关系。用于早期预测时必须限定特征仅取预测时刻可得值，原文未清楚交代是否逐个预测起点截断。

模型方法

• 流程： 循环级聚合和特征工程后比较 RF、XGBoost、KNN 与 CNN；CNN 使用卷积层（32/64 filters）及全连接回归头。用 SHAP 分析变量贡献，以预测分布的 ±3σ 构造不确定性带。
• 部署： 提供 Python/常用库版本和 CPU 配置；未报告实机 BMS 时延或在线更新测试。

验证设计

• 划分/泛化： 按电池编号留出，B0047 训练、B0048 测试，优于同一电芯随机窗口切分；但仅一个测试电芯，且正文另有“多电池训练/独立电池测试”的概述，划分描述不完全一致。
• 可信度： 信息不足偏低；存在电池间测试设计，但独立电芯数少、样本构造说明不足，且模型选择/验证集协议不清晰。

指标与结果

• CNN：MAE 7.75 cycles、RMSE 10.80；KNN RMSE 12.08、R² 0.6429；RF RMSE 17.95、R² 0.21。CNN 的 R² 未能确认。文中另报 PH=4896，但定义、单位和计算过程不清，不建议直接横向比较。

泄漏风险、复现性与局限性

• 泄漏风险： 中高；cycle/容量派生变量可携带退化进度，需核实是否使用全寿命统计、平滑窗口或后验信息；跨电池划分降低同电芯泄漏，但不能替代早期预测评估。
• 复现性： 中；NASA 数据公开，部分环境和模型参数可见；未确认代码仓库，CNN 细节、验证方案与不确定性重复采样来源不充分。
• 局限性： 仅两只电池、单一实验室来源；全文对样本构造及拆分有表述不一致；结论数字和 PH 口径需复核。

是否值得跟进

• 结论： 观望后复核。
• 理由与下一步： 可作为公开 NASA 特征工程的比较基线，但不能仅凭较低误差认定早期泛化。优先复算只用截至第 t 圈输入的跨电芯 RUL，并检查 PH 定义及 B0047/B0048 原始数据统计。

3. A hybrid quantum neural network and classical gated recurrent unit for battery state of health forecasting incorporating SHAP analysis

论文基本信息

纳入理由与原文证据

• 主题/边界： 目标为电池 SOH 预测，纳入健康状态预测；不是单纯量子方法演示。
• 证据： 出版社摘要确认 QNN-GRU 在四套 NASA 数据上测试、与六个机器学习模型比较并使用 SHAP；PDF 索引表显示各电芯误差结果。ScienceDirect 摘要；作者机构 PDF

数据集/电池体系

• 体系/数据： NASA B0005、B0006、B0007、B0018；PDF 片段称室温约 24°C，前三只为 NCA/石墨、标称 2 Ah，B0018 为 NMC/石墨。数据预处理、各电芯样本数及是否含多工况，需全文确认。
• 工况/跨域： 只验证 NASA 电芯；未见非 NASA 电芯、不同温度或外部现场 BMS 验证。

EOL/RUL/SOH 定义

• 目标/定义： 预测 SOH；出版社摘要未给 SOH 计算公式、容量基准及退役阈值，本报告不以常见容量比公式补全。
• 未来信息风险： SOH 标签与健康指标的构造时点、预测 horizon 及是否滚动在线评估未能从摘要确认；需排查使用整段放电曲线对未来时刻预测的可能。

模型方法

• 流程： 选择 CCDT、EDVDT、KDV 三类高相关健康指标；QNN 通过 Pauli 特征映射/量子特征空间表示非线性关系，再接经典 GRU 建模时序，SHAP 解释指标贡献。PDF 片段列出圆形纠缠等电路设置；硬件量子运行与经典模拟方式未确认。
• 部署： 未报告实机 BMS 推理时延、资源或在线更新。

验证设计

• 划分/泛化： 四只 NASA 电芯与六种机器学习基线比较；数据集究竟采用逐电芯留出、时间切分或同电芯随机切窗，当前可访问摘要未说明。
• 可信度： 信息不足；有多电芯评估，但无可核实的切分细节，不能把四个 NASA 序列等同独立化学体系泛化。

指标与结果

• PDF 搜索索引表给出 QNN-GRU RMSE：B0005/6/7/18 分别约 0.0029/0.0035/0.0034/0.0041；MAE 约 0.0044/0.0050/0.0053/0.0047。可访问片段未标明这些值的单位/归一化口径，故不换算成百分比。出版社摘要称其在六个基线中误差最低。

泄漏风险、复现性与局限性

• 泄漏风险： 信息不足；重点检查 SOH 归一化是否用全寿命最大容量、训练测试是否按电芯隔离、健康指标是否包含未来放电区间。
• 复现性： 低至中；NASA 数据公开，索引片段提供部分电路与 GRU 超参数；本轮 PDF 链接被防护页拦截，代码、完整配置和随机种子未核实。
• 局限性： 仅 NASA 小样本；误差口径及时间切分尚不清楚；量子特征模块相对经典模型的增益、计算成本和硬件可行性需独立复现。

是否值得跟进

• 结论： 跟进。
• 理由与下一步： QNN-GRU 与 SHAP 具有方法探索价值，尤其适合和经典 GRU 做严格同分割复现。先取得可读全文，核对误差尺度、量子电路实现及逐电芯外推，再评估量子模块是否带来统计显著增益。

4. An asymmetric encoder–decoder model for Zn-ion battery lifetime prediction

论文基本信息

纳入理由与原文证据

• 主题/边界： 研究锌离子电池寿命预测，且摘要明确讨论 RUL；不受锂电限定，符合电化学电池寿命范围。
• 证据： 出版社摘要说明模型目标是改善锌离子电池 RUL 预测的精度与泛化，并以比较实验验证；摘要提及容量损失 20% 可视为失效判据。ScienceDirect 论文页

数据集/电池体系

• 体系/数据： 锌离子电池；出版社索引称使用自采数据，但具体电芯化学组成、单体数、循环规模及可公开性未能从摘要确认。
• 工况/跨域： 充放电过程及不同操作条件的覆盖未知；未能确认跨电芯、跨批次或外部验证。

EOL/RUL/SOH 定义

• 目标/定义： 论文题名及摘要均为 battery lifetime/RUL prediction；摘要举例将容量损失 20% 视作失效，但标签构造与模型实际采用的具体 EOL 阈值仍需全文确认。
• 未来信息风险： 未知模型在不同寿命阶段的输入窗口，需检查是否将接近失效的完整曲线特征用于早期预测。

模型方法

• 流程： 以非对称 encoder–decoder 结构构建机器学习寿命预测，并研究网络结构设计和超参数优化；摘要未披露编码器/解码器细节、损失函数和基线名称，不据标题推断具体网络层。
• 部署： 未见在线设备、推理耗时或资源约束信息。

验证设计

• 划分/泛化： 摘要称进行一系列对比实验，但未公开摘要层面的训练/测试划分、重复次数和外部数据集。
• 可信度： 信息不足；主题匹配明确，方法证据限摘要，泛化主张暂不能量化判断。

指标与结果

• 摘要只称比较实验支持方法有效，未能确认 MAE/RMSE、寿命误差或置信区间数字；无全文数字不推定性能提升幅度。

泄漏风险、复现性与局限性

• 泄漏风险： 信息不足；关键核对点是按电芯留出、寿命阶段截断和 EOL 标签是否被输入特征间接编码。
• 复现性： 低至信息不足；数据虽称自采，公开数据地址、完整参数、代码及随机种子未确认。
• 局限性： 自采数据细节不足；锌离子体系的化学与工况描述缺失；只有摘要证据，模型与定量结果无法独立复核。

是否值得跟进

• 结论： 跟进全文。
• 理由与下一步： 非锂体系的电池寿命预测对跨化学体系研究有价值。下一步获取 PDF，逐项记录数据规模、EOL 判据、encoder–decoder 结构及按电芯测试结果；在此之前不把“有效”作为已证实的定量优势。

5. A Hierarchical Model for Lithium-Ion Battery Degradation Prediction

论文基本信息

纳入理由与原文证据

• 主题/边界： 不只是检测退化；摘要明确将剩余可用循环数作为层级模型的预测输出，满足寿命预测边界。
• 证据： IBM Research 摘要说明模型联合放电过程与退化过程，预测不同循环的放电结束状态及剩余可用循环。IBM Research 摘要

数据集/电池体系

• 体系/数据： 锂离子电池；摘要称以真实案例演示，但化学体系、数据来源、单体数量、测量变量和开放链接均未说明。
• 工况/跨域： 依赖不同循环的放电电压曲线；温度、倍率、SOC 范围及跨电芯/工况测试未能确认。

EOL/RUL/SOH 定义

• 目标/定义： 联合预测每次放电终止状态与 remaining useful cycles；摘要未说明容量/SOH 阈值、RUL 单位转换和失效标签生成方式。
• 未来信息风险： 电压曲线如何在放电过程中截断、预测是否只用当前可见放电片段，摘要未说明；需重点核查未来电压点是否被用来预测当前放电终点。

模型方法

• 流程： 层级模型将单次放电过程建模与跨循环退化建模结合，联合给出放电结束状态和剩余循环预测；层级结构、概率分布、先验、基线及消融细节需全文确认。
• 部署： 未报告 BMS 计算量、实时性或在线更新。

验证设计

• 划分/泛化： 摘要仅称真实案例研究，未能确认留出电芯、时间外推、重复实验或外部验证。
• 可信度： 信息不足；预测目标契合，验证信息及数据描述不足以判断泛化能力。

指标与结果

• 可访问摘要没有 RMSE、绝对循环误差、置信区间或不同预测起点结果；仅称案例展示框架有效，不做数值化解读。

泄漏风险、复现性与局限性

• 泄漏风险： 信息不足；放电终点预测尤其要检查是否提供整段电压轨迹，以及循环级剩余寿命标签是否包含未来观测。
• 复现性： 低；IEEE 全文在本次检索环境未能读取，IBM 记录只有摘要；数据、代码及参数未确认。
• 局限性： 真实案例细节缺失；在线预测可用信息边界未知；论文较早，需以统一数据和后续基线重测。

是否值得跟进

• 结论： 跟进全文。
• 理由与下一步： 该层级思想把单循环放电终点与跨循环寿命联系起来，适合与现代序列模型比较。先取得 IEEE 全文，厘清观测截断、层级结构及逐电芯结果，再决定是否复现。

6. Signal-quality-aware adaptive prediction for lithium-ion battery remaining useful life under noisy and resource-constrained conditions

论文基本信息

纳入理由与原文证据

• 主题/边界： 目标是锂离子电池 RUL 预测，并研究噪声与边缘 BMS 资源约束，属于直接寿命预测而非单纯信号监测。
• 证据： 出版社摘要报告 NASA、XJTU-SY、CALCE 数据评估，并在 Raspberry Pi 4B 上验证实时部署；严重噪声时自适应路由相对静态注意力降低预测误差 13.6%。ScienceDirect 摘要

数据集/电池体系

• 体系/数据： NASA、XJTU-SY、CALCE 锂离子电池数据；摘要未列出具体电芯编号、样本量、化学体系及可公开代码。
• 工况/跨域： 覆盖高噪声 CALCE 情境，且测试 Raspberry Pi 4B；温度、倍率、跨化学体系及逐数据集划分规则需全文核对。

EOL/RUL/SOH 定义

• 目标/定义： RUL 预测；出版社摘要没有给 EOL 阈值、RUL 标签单位细节或标签计算规则，不将“cycles”误用到未注明的数据集。
• 未来信息风险： 物理启发健康指标与多尺度特征如何截断未说明；需核对指标是否仅使用时刻 t 以前信息，以及扰动/噪声是否施加于测试数据。

模型方法

• 流程： 物理启发健康指标与多尺度特征融合，Input Variance Score (IVS) 表征输入信号质量；根据 IVS 自适应启用或旁路注意力模块，控制推理路径。
• 部署： 摘要报告约 6.9K 参数，并在 Raspberry Pi 4B 上确认实时可行性；实际功耗、时延分布与长期在线漂移未说明。

验证设计

• 划分/泛化： 在 NASA、XJTU-SY、CALCE 三个数据集测试，且另有嵌入式部署；摘要没有明确逐电芯留出、跨工况外推、重复次数及随机种子。
• 可信度： 中；多数据集和设备端验证是优势，但切分方案和不同数据集误差分布需全文确认。

指标与结果

• NASA RMSE 5.65 cycles；XJTU-SY RMSE 9.88 cycles。CALCE 主要报告低信号质量下注意力退化及自适应路由相对静态注意力误差降低 13.6%；摘要未给 CALCE 绝对误差和置信区间。

泄漏风险、复现性与局限性

• 泄漏风险： 信息不足偏中；需确认多个数据集是否按电芯隔离、噪声强度是否仅依据训练集设定、IVS 阈值是否在测试集调参。
• 复现性： 中低；数据集可查，摘要给出参数规模及 Pi 4B 部署结论；代码、模型权重、IVS 配置、基线超参未确认，全文需机构访问。
• 局限性： 误差数字只在摘要层面可见；跨数据集协议未知；真实车载噪声、长期传感器漂移与资源功耗仍需评估。

是否值得跟进

• 结论： 强烈跟进。
• 理由与下一步： “测量质量决定是否调用注意力”兼顾稳健性与边缘算力，有明确可复现切入点。优先取得全文，复核划分与 IVS 阈值，再以统一噪声注入和电芯留出重测 13.6% 增益。