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

Jieji Zheng、Gonghai Wang、Rui Dong

论文原文 ↗来源页面 ↗

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

字段 内容
DOI/URL/PDF Springer 全文 / DOI;PDF
发现来源 OpenAlex;source_history=OpenAlex;检索 query 为 battery cycle life prediction degradation
期刊/会议/平台 Discover Applied Sciences
发表日期 Springer 标注 2026-08-07;version of record 为 2026-08-10
作者/机构 Jieji Zheng(Jiaxing Vocational and Technical College)、Gonghai Wang(Jiaxing Nanhu University)、Rui Dong(Jiaxing University)
通讯作者 Jieji Zheng(出版社全文标注)
脚本评分/证据等级 58;命中 SOH、Transformer/hybrid、开放获取;全文级
核验路径 PDF 抽取失败 → Springer DOI 对应文章 HTML 成功,读到方法、数据、结论与作者信息

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。
查看关键词分类依据
  • SOH estimation · 标题包含「soh」
    Lithium battery SOH prediction based on modal decomposition and optimized transformer-bilstm framew
  • Transformer / attention · 标题包含「transformer」
    n based on modal decomposition and optimized transformer-bilstm framework with multi-strategy adaptive beaver behavior optimizer
  • LSTM · 标题包含「bilstm」
    odal decomposition and optimized transformer-bilstm framework with multi-strategy adaptive beaver behavior optimizer
  • Hybrid model · 摘要包含「hybrid」
    and data redundancy. Furthermore, prevailing hybrid prediction models are constrained by several inherent limitations: insufficient
  • Self-built / experimental dataset · 摘要包含「experimental」
    alization ability of the proposed model. The experimental results demonstrate that the proposed model achieves the optimal overall perfor