Physics-informed adaptive estimation framework for estimating subdiffusion characteristics of lithium-ion batteries

2. Physics-informed adaptive estimation framework for estimating subdiffusion characteristics of lithium-ion batteries

基本信息

• 标题：Physics-informed adaptive estimation framework for estimating subdiffusion characteristics of lithium-ion batteries
• DOI/URL：https://doi.org/10.1016/j.jpowsour.2026.241196
• 期刊/会议/预印本平台：Journal of Power Sources
• 发表日期：2026-08-19（OpenAlex publication date；Crossref 创建记录同日）
• 作者和机构：J. Stubblefield、Mohammad Qasem、Y. Yassin、Moath Qandil、M. Krishnamurthy；OpenAlex 将五位作者关联到 Southern Methodist University，Electrical and Computer Engineering Department。
• 通讯作者：J. Stubblefield（OpenAlex is_corresponding: true，其机构为 Southern Methodist University）
• 脚本评分：79
• 期刊指标核验：未核验 JCR/JIF/JCI/CiteScore/SJR 数值；脚本分层为 core battery journal / Q1。
• 核验路径：无脚本 PDF URL，先尝试 DOI/URL；随后尝试 Crossref/OpenAlex 和 Elsevier text-mining 入口。DOI/全文入口抓取失败，但 Crossref/OpenAlex 返回了完整摘要、作者机构、OA与引用元数据。可信度：摘要/元数据级，全文未成功获取。

纳入理由和命中证据

• 这是本次的边界纳入/低优先级观察项：题名和摘要明确讨论 lithium-ion battery degradation，并把 subdiffusion characteristics 与 SEI growth、resistance increase、polarization、capacity fade 联系起来，属于退化健康状态估计与 prognostics 支撑方向。
• 摘要明确给出 physics-informed adaptive estimation、fractional-order impedance、EKF、digital twin capability 和多种电池数据验证。
• 但它不是直接的 EOL/RUL/SOH 预测论文：主要输出是 SoC、内部状态和分数阶扩散参数，不能把相关性表述为已经完成 capacity fade 或 RUL 预测。

创新点

• 在传统整数阶 ECM-EKF 之外引入 fractional-order Warburg impedance，以表达电极异质性和退化导致的 subdiffusive transport。
• 采用可计算的 state-space 近似和 HPPC-based 参数识别，使物理可解释的扩散参数可以随测量更新。
• 将健康相关的扩散参数、数字孪生、状态估计和退化诊断放在同一框架中，而非只优化瞬时电压拟合。

主要内容

• 研究动机是常规整数阶等效电路难以表示电极异质性与退化产生的异常扩散行为。
• 框架通过 fractional-order model 描述扩散，再用 EKF 在动态载荷下联合估计 SoC、内部电化学状态和分数阶扩散参数。
• 结果表明识别出的 subdiffusion parameters 与 SEI growth、内阻上升、极化和容量衰减指标有较强关联；这支持健康感知诊断，但不等同于 RUL 标签预测。

模型方法

• 方法类别与架构详见下述流程；以下只记录已由可访问页面或摘要支持的内容。

模型架构/方法流程

1. 使用含 fractional Warburg element 的 reduced-order ECM 建模电池动态。
2. 以 HPPC 数据进行参数识别，并用 computationally efficient state-space representation 近似分数阶动态。
3. 在动态载荷下使用 EKF 估计 SoC、内部状态和 fractional diffusion parameters。
4. 将估计到的扩散参数与退化指标（SEI、内阻、极化、capacity fade）关联，形成 health-aware digital-twin/diagnostics 输出。

输入特征与输出目标

• 输入：动态电压/电流响应、HPPC pulse-response 数据及模型参数；具体传感器通道和采样窗口未能从摘要确认。
• 输出：SoC、内部电化学状态、fractional diffusion/subdiffusion characteristics，以及电压预测。
• 退化目标：容量衰减等健康指标是关联/诊断对象，不是已确认的直接 RUL/EOL 回归标签。

数据来源/数据结构/电池类型/循环协议

• 电池体系：锂离子电池；摘要明确列出 NMC811 21700 与 BAK 18650。
• 数据来源：两类电池数据集；是否为公开数据、各自样本数、采集平台和数据授权未能确认。
• 数据结构：HPPC pulse-response 与动态载荷数据；具体电流工况、采样频率、温度和 SOC 覆盖未说明。
• 循环/老化协议：未能从摘要确认完整循环数、倍率、截止电压、温度及退化阶段。
• 是否跨电芯/跨化学体系验证：至少涉及 NMC811 21700 与 BAK 18650 两种型号，但严格的跨电芯外推设计和训练/测试划分未能确认。

EOL/RUL/SOH 定义

• 论文直接估计 SoC 和物理退化相关参数；摘要没有给出 SOH 的明确定义、EOL 阈值或 RUL 单位。
• capacity fade 是关联的退化指标，未确认作者是否把它作为独立预测标签。
• 因此本条只能标记为“退化健康状态估计/预后支撑”，不能在哥哥的 RUL leaderboard 中当作直接 RUL 结果。

验证设计

• 摘要确认在 NMC811 21700 和 BAK 18650 数据上验证，并与 conventional integer-order ECM-based approaches 比较。
• 未能确认按电芯留出、跨化学体系外部测试、时间外推、消融、噪声鲁棒性和在线滚动评估细节。
• 未见可确认的 RUL/EOL 预测验证，因此验证结论主要限于状态/电压估计与物理参数识别。

指标

• 电压预测误差 < 6 mV。
• SoC estimation RMSE < 4%。
• 相对于 conventional integer-order ECM-based approaches，摘要称估计精度有所改善，但具体改善量、分层统计和置信区间未说明。
• 没有可确认的 MAE/RMSE/cycle error/RUL coverage 等寿命预测指标。

Baseline/对比方法

• Conventional integer-order ECM + EKF/ECM-based approaches。
• 具体是哪些整数阶电路拓扑、EKF 参数和其他滤波器 baseline，摘要未能确认。
• 未能确认与纯数据驱动 RUL、PINN 或 Transformer 预测器的对比。

泄漏风险/局限性/复现性

• 泄漏风险：信息不足。HPPC 参数识别和动态估计理论上可以在线进行，但需检查参数更新是否使用了未来退化周期、全寿命标定或后验平滑。
• 局限性：当前摘要只支持物理参数与容量衰减相关，不能证明可以可靠外推 EOL/RUL；两种电芯型号的温度、倍率、老化覆盖和样本规模未知。
• 复现性：信息不足。Crossref/OpenAlex 摘要给出方法主线和主要指标，但完整分数阶离散化、EKF 状态/噪声协方差、HPPC 协议、参数表、代码和数据访问方式未确认。

是否值得跟进 / 对哥哥研究/落地的启发和后续动作

• 结论：观望。
• 启发：分数阶扩散参数可以作为 SOH/RUL 模型的物理可解释中间特征，尤其适合构造“状态估计 + 退化预测”的混合数字孪生基线。
• 后续动作：若能取得全文，抽取 fractional state-space 近似、参数在线更新公式和跨电芯划分；暂不把本条的 SoC/电压指标混入 RUL 结果表。

---