A fusion method for predicting the remaining useful life of lithium-ion batteries based on IMMUKF and WAVENN
Zhouxiao Xiao、Jiajun Yang、Wenhui Li、Yang Gao、Cuiyu Wang
2. A fusion method for predicting the remaining useful life of lithium-ion batteries based on IMMUKF and WAVENN
论文基本信息
| 字段 | 内容 |
|---|---|
| DOI/URL/PDF | SAGE出版社文章页；未取得 PDF 链接 |
| 发现来源 | OpenAlex；来源历史OpenAlex |
| 期刊/会议/平台 | Measurement and Control，SAGE |
| 发表日期 | 2026-08-01；SAGE记录显示online first日期 |
| 作者/机构 | Zhouxiao Xiao、Jiajun Yang、Wenhui Li、Yang Gao、Cuiyu Wang；出版社题录列Wenhua College及Huazhong University of Science and Technology，作者单位对应关系需全文确认 |
| 通讯作者 | Wenhui Li；SAGE题录标注 |
| 脚本评分/证据等级 | 58；标题及摘要直接命中RUL；摘要级 |
| 核验路径 | payload无PDF；DOI链接解析至SAGE文章记录，成功读取摘要、日期和作者信息；出版社全文页可访问但本次未完整提取。 |
纳入理由与原文证据
- 主题/边界： 研究目标直接为锂离子电池剩余寿命预测，属于RUL任务；摘要同时描述容量退化建模，不是一般状态监测。
- 证据： 摘要说明IMM-UKF结合多个容量退化模型与WAVENN预测，通过在线更新模型权重和概率聚合预测后得到RUL；摘要称优于传统单模型，但未披露可复核的具体数字。SAGE摘要
数据集/电池体系
- 体系/数据： 锂离子电池；摘要未报告电芯型号、化学体系、公开数据集名称、样本量或工况。不能仅凭同领域惯例推断为NASA或CALCE。
- 工况/跨域： 未说明温度、倍率、充放电协议，亦未说明跨电芯、跨批次或跨数据集验证。
EOL/RUL/SOH 定义
- 目标/定义： 输出RUL，摘要未定义单位、起点、失效阈值或标签构造；容量退化曲线是模型输入/中间量，但如何转换成寿命尚需全文确认。
- 未来信息风险： 摘要未说明退化模型参数是否仅由历史片段估计、预测时点如何设置，以及训练测试是否按电芯隔离；这些是首要核查项。
模型方法
- 流程： IMM-UKF融合若干数学退化模型，并与小波神经网络WAVENN的容量预测结合；模型概率和权重在线更新，再加权形成容量估计并推导RUL。摘要没有提供WAVENN结构、噪声模型或基线配置。
- 部署： 摘要提及在线权重更新，但没有给出实时计算、传感器要求或实际BMS部署数据。
验证设计
- 划分/泛化： 摘要只说与传统单模型比较；未披露数据集、切分方式、独立电芯测试或重复试验。
- 可信度： 信息不足；方案概念明确，但目前无法评估对比公平性和泛化能力。
指标与结果
- 摘要只有“预测精度优于传统单模型”的定性结论，没有RMSE、MAE、MAPE、测试样本数或不确定性覆盖率；不据此排列其性能优先级。
泄漏风险、复现性与局限性
- 泄漏风险： 信息不足；需核查UKF递推中是否只使用预测时点前数据，以及权重更新、参数识别和模型选择是否包含测试电芯信息。
- 复现性： 低；当前可访问摘要缺数据划分、代码、超参数、随机种子及完整模型公式。
- 局限性： ①摘要无定量结果；②数据与RUL标签定义缺失；③在线更新是否经过真实运行验证不明。
是否值得跟进
- 结论： 观望。
- 理由与下一步： 多模型概率融合与波形网络组合值得与滤波/神经网络基线比较。下一步获取全文并确认数据、失效阈值、切分和逐数据集指标；若只有随机窗口验证则降低优先级。
查看关键词分类依据
- RUL prediction · 标题包含「remaining useful life」
A fusion method for predicting the remaining useful life of lithium-ion batteries based on IMMUKF and WAVENN - Generic neural network / deep learning · 摘要包含「neural network」
ented Kalman Filter (IMM-UKF) with a wavelet neural network (WAVENN), leveraging their complementary strengths. In this framework, the IMM- - Kalman / particle filter · 摘要包含「kalman」
tes the interacting multiple-model unscented Kalman Filter (IMM-UKF) with a wavelet neural network (WAVENN), leveraging their compl - Hybrid model · 标题包含「fusion」
A fusion method for predicting the remaining useful life of lithium-ion batteries based - Self-built / experimental dataset · 摘要包含「experimental」
against traditional single-model benchmarks. Experimental results confirm its superior predictive accuracy. - Li-ion / LIB · 标题包含「lithium-ion」
for predicting the remaining useful life of lithium-ion batteries based on IMMUKF and WAVENN