A multi-resolution Mamba network with adaptive degradation perception for long-term lithium-ion battery capacity prediction

2. A multi-resolution Mamba network with adaptive degradation perception for long-term lithium-ion battery capacity prediction

• 标题： A multi-resolution Mamba network with adaptive degradation perception for long-term lithium-ion battery capacity prediction
• DOI/URL： https://doi.org/10.1016/j.est.2026.123345
• 期刊/会议/预印本平台： Journal of Energy Storage
• 发表日期： 2026-07-07（Crossref created）；print 2026-10，卷 176，文章号 123345
• 作者和机构： Ying Liu, Rongrong Huang, Xin Shan, Yuan Sun, Jianyin Zhao；Crossref 记录含 Tianjin Municipal Education Commission / Tianjin University of Technology 资助信息，但作者具体机构未能确认
• 通讯作者： 未能确认
• 脚本评分： 64
• 期刊指标核验： 未核验

纳入理由和命中证据

• 题名明确为 long-term lithium-ion battery capacity prediction，属于容量轨迹/寿命预测范围。
• Crossref 元数据确认期刊、题名、作者、DOI；脚本将其识别为 Journal of Energy Storage 新论文。
• 与储能调度类论文不同：目标是单体/电池容量长期预测，而非系统控制。

创新点

• 题名显示采用多分辨率 Mamba 网络，并加入自适应退化感知模块。
• 由于摘要/全文未成功获取，具体 Mamba block、退化感知机制和多尺度融合方式未能确认。

主要内容

• 可确认主题：锂离子电池长期容量预测。
• 未能确认是否做早期预测、跨工况泛化、不确定性估计或在线更新。

模型架构/方法流程

• 已确认： Multi-resolution Mamba network + adaptive degradation perception。
• 未说明/未能确认： 输入窗口长度、状态空间模型配置、损失函数、训练策略、是否多任务预测 SOH/RUL。

输入特征与输出目标

• 输入特征： 未能从可访问内容确认。
• 输出目标： 长期锂离子电池容量预测。

数据来源/数据结构/电池类型/循环协议

• Crossref 参考文献涉及多篇容量/RUL/退化预测研究，但本论文使用的数据集未能确认。
• 电池类型：锂离子电池。
• 循环协议、样本数、外部验证：未能确认。

结果指标

• 未能确认 MAE/RMSE/MAPE/R²、capacity error、预测步长和分层误差。

Baseline/对比方法

• 未能确认。后续需查看全文是否与 LSTM、Transformer、CNN、TCN、GRU、Informer 或 SSM/Mamba 变体对比。

泄漏风险/局限性/复现性

• 泄漏风险： 信息不足；尤其要检查长期预测是否用完整寿命曲线归一化或随机切分循环片段。
• 局限性： 信息不足。
• 复现性： 低/信息不足；未确认代码和数据。

对哥哥研究/落地的启发和后续动作

• Mamba/状态空间模型正在进入电池退化预测领域，值得作为 Transformer 替代路线观察。
• 后续动作：等待 ScienceDirect 摘要可访问；补充数据集、指标、baseline；若方法扎实，加入“长序列容量预测”模型池。

---