Multi-scale temporal learning for robust battery remaining useful life prediction
Chengxi Zhang、Ruiqin Zhang、Tianle Yin、Zhijian He、Jin Wu、Dezhi Xu
4. Multi-scale temporal learning for robust battery remaining useful life prediction
论文基本信息
| 字段 | 内容 |
|---|---|
| DOI/URL/PDF | DOI/AIMS 全文 HTML |
| 发现来源 | OpenAlex；来源历史 OpenAlex |
| 期刊/会议/平台 | Mathematical Foundations of Computing，AIMS；网页列 2027, Volume 15, 100348 |
| 发表日期 | AIMS 标记 Published online 2026-10-10；Crossref 的期刊卷期记录为 2027，保留在线日与编卷年两种口径 |
| 作者/机构 | Chengxi Zhang、Ruiqin Zhang、Tianle Yin、Zhijian He、Jin Wu、Dezhi Xu；Jiangnan University、Shenzhen Technology University、University of Science and Technology Beijing、Southeast University |
| 通讯作者 | Chengxi Zhang，AIMS 页面明确标注 |
| 脚本评分/证据等级 | 65；命中 RUL、退化轨迹、NASA/CALCE；全文级 |
| 核验路径 | 未取得 PDF 链接 URL；AIMS 官方 HTML 全文及 Crossref DOI 记录核实作者、在线日期、摘要、表格和数据协议 |
纳入理由与原文证据
- 主题/边界： 直接预测电池 RUL，并联合健康阶段分类，属于核心寿命预测论文。官方摘要明确写明模型在 NASA 与 CALCE 数据上评估。
- 证据： AIMS 页面报告其模型在 NASA、CALCE 上的 R² 均不低于 0.96，健康阶段分类准确率高于 0.93。见AIMS 全文。
数据集/电池体系
- 体系/数据： 论文列 NASA 与 CALCE，表中有 NASA 电池 B0005/B0018 及 CALCE CS2_37/CS2_38；协议表列额定容量 2 Ah 与 1.1 Ah。未说明更广泛化学体系或独立外部数据。
- 工况/跨域： 采用公开数据的充放电曲线/循环特征；表中给出充放电协议。对温度、跨化学体系和真实 BMS 工况的泛化未能确认。
EOL/RUL/SOH 定义
- 目标/定义： 输出 RUL 回归和健康阶段分类；可访问全文未能确认 EOL 阈值、RUL 标签生成规则及单位，不能按常见 80% SOH 阈值补写。
- 未来信息风险： 文中用滑动窗口并含双向 GRU、时间感知对比学习，若划分未按电芯/整段序列隔离，可能造成相邻窗口信息重叠；论文可读部分未清楚证明该风险已排除。
模型方法
- 流程： 特征标准化与滑窗输入→多尺度 CNN、双向 GRU、自注意力→RUL 回归、健康阶段分类和 TACL 对比学习头；OHEM 聚焦困难样本，并用不确定性权重平衡多任务。表格列出若干超参数和消融。
- 部署： 未报告嵌入式算力、推理时延、在线更新或真实 BMS 部署。
验证设计
- 划分/泛化： 全文有 NASA、CALCE 结果、基线比较和消融；公开页面未能确认每个数据集的电芯级训练/测试划分细节。表 4 给出四个电池对象和各自样本数，但不足以证明跨电芯独立泛化。
- 可信度： 中偏低；结果有基线与消融支撑，但划分协议和单位不清，需先排除滑窗重叠风险。
指标与结果
- 表 5 报告 NASA MAE 2.6920、RMSE 4.0302、R² 0.9766；CALCE MAE 13.8256、RMSE 21.6848、R² 0.9799。该表未清楚标注 MAE/RMSE 单位，本文保留原数值，不擅自换算成循环数。
泄漏风险、复现性与局限性
- 泄漏风险： 信息不足偏高；滑窗和双向序列结构使分组划分尤为关键，需查看训练/测试样本构造代码或补充材料。
- 复现性： 中；全文列出部分特征、超参数与消融，但公开证据未确认代码仓库、随机种子及完整数据切分脚本。
- 局限性： 公开数据集仅四个示例电池用于逐电池结果；健康阶段分类指标不能替代 RUL 误差；在线日期与卷期年份不同，引用时需注明口径。
是否值得跟进
- 结论： 跟进。
- 理由与下一步： 架构和多任务设计值得纳入 benchmark；先获取划分细节，确认 MAE/RMSE 单位、RUL 标签阈值及电芯隔离，再决定是否复现，不以高 R² 直接判断可部署性。
查看关键词分类依据
- RUL prediction · 标题包含「remaining useful life」
i-scale temporal learning for robust battery remaining useful life prediction - Capacity fade / trajectory prediction · 摘要包含「degradation trajectory」
criminative representations and a continuous degradation trajectory. Second, an online hard example mining (OHEM) mechanism, combined with a region - Bayesian · 摘要包含「uncertainty」
ve weighting strategy based on homoscedastic uncertainty is introduced to automatically balance the RUL regression, health-stage classif - NASA · 摘要包含「nasa」
onal multi-task learning. Experiments on the NASA and CALCE datasets show that the proposed method achieves $ R^2 $ values of at - CALCE · 摘要包含「calce」
i-task learning. Experiments on the NASA and CALCE datasets show that the proposed method achieves $ R^2 $ values of at least 0.96