A RIME-Configured SSM–Transformer Framework for Lithium-Ion Battery State-of-Health Assessment

论文卡片 2

论文基本信息

• 标题：A RIME-Configured SSM–Transformer Framework for Lithium-Ion Battery State-of-Health Assessment
• DOI/URL：https://doi.org/10.3390/en19153604
• 期刊/会议/预印本平台：Energies 19(15):3604
• 发表日期：Submission received 2026-07-03；Revised 2026-07-25；Accepted 2026-07-30；Published 2026-07-31
• 作者和机构：Jun Yang, Yifei Wang, Dongsheng Li, Fan Zhang（State Grid Qinghai Electric Power Company Electric Power Science Research Institute, Xining, China）；Jiasheng Wang, Jingang Wang（State Key Laboratory of Power Transmission Equipment Technology, School of Electrical Engineering, Chongqing University, China）
• 通讯作者：Jingang Wang（MDPI 页面作者星号标注为 correspondence author）
• 脚本评分：68
• 期刊指标核验：未核验具体 JIF/JCI/CiteScore 数值；本地脚本按 broad energy journal / Energies 加权

纳入理由和命中证据

• 纳入理由：论文直接研究锂离子电池 state-of-health estimation，属于电池健康状态预测范围。
• 命中证据：摘要明确写明 SOH estimation、lithium-ion batteries、incremental-capacity curves、Transformer encoder、SSM decoder、RIME，并报告 NASA 与外部电池验证结果。
• 与排除范围区别：不是材料或系统调度论文，任务目标是电池健康状态估计。

创新点

• 使用六个从增量容量曲线提取的健康因子作为输入。
• Transformer encoder 建模不同循环位置之间的关系，SSM decoder 描述电池健康连续变化。
• RIME 同时选择 attention head 数和 SSM state dimension，摘要中给出 6 heads 与 state dimension 64 的敏感性结论。

主要内容

• 面向锂离子电池 SOH 估计，构建 RIME–SSM–Transformer 框架。
• 使用 NASA 电池进行跨电池四折验证，并在 30%、50%、70% 三个起始点进行预测实验。
• 与 10 个模型在同一数据划分与预处理流程下比较。

模型架构/方法流程

• 输入：从 incremental-capacity curves 提取的 6 个 health factors。
• 主体：Transformer encoder 捕捉跨循环位置依赖；SSM decoder 表征连续健康状态演化。
• 超参数：RIME 优化 attention-head number 与 SSM state dimension。
• 输出：SOH 估计值。

输入特征与输出目标

• 输入特征：6 个 ICA 健康因子。
• 输出目标：锂离子电池 SOH。
• EOL/RUL 定义：该文主要做 SOH，不是 RUL；EOL 阈值未能从可访问摘要确认。

数据来源/数据结构/电池类型/循环协议

• 电池体系：lithium-ion battery。
• 数据来源：NASA 4 节电池；外部验证 4 节额外电池。
• 数据结构：基于循环序列与增量容量曲线健康因子；具体倍率、温度、容量阈值未能从 early access 页面确认。
• 验证：跨电池四折验证；30%、50%、70% 循环序列起点预测；外部验证。

结果指标

• 四折验证：平均 MAE 0.537%，平均 RMSE 0.740%。
• 30%/50%/70% 起点预测：平均 MAE 分别为 1.194%、0.810%、0.576%；RMSE 分别为 1.428%、0.987%、0.654%。
• 外部验证：平均 MAE 0.629%，平均 RMSE 0.827%。

Baseline/对比方法

• 摘要确认与 10 个模型在相同划分与预处理下比较，但具体 baseline 名称未能从可访问摘要确认。

泄漏风险/局限性/复现性

• 泄漏风险：中等。摘要提到 cross-battery four-fold validation，这是正面信号；但仍需全文确认 ICA 特征是否只用预测时已观测循环，尤其是 30%/50%/70% 起点预测是否严格避免未来循环信息。
• 局限性：NASA 数据规模小、公共数据集可能过拟合；早期可访问页面未给出全部 baseline 与超参细节。
• 复现性：中等偏低到中等。数据集公开（NASA），但代码开源情况未能确认；页面为 early access，完整 PDF/HTML/XML 版本提示后续可用。

对哥哥研究/落地的启发和后续动作

• 启发：Transformer + SSM 组合适合长退化序列，RIME 可作为自动选择结构超参的思路；ICA 健康因子输入比端到端原始曲线更轻量，适合 BMS 边缘部署前处理。
• 后续动作：下载 PDF 后检查 10 个 baseline、数据划分、ICA 特征提取窗口；若划分可靠，可加入 SOH baseline 复现实验候选。