Lithium-ion battery state-of-health prediction using Inception-V4 network optimized by Modified Hiking Optimization Algorithm
Jianhua Lu、Fen Qin
3. Lithium-ion battery state-of-health prediction using Inception-V4 network optimized by Modified Hiking Optimization Algorithm
论文基本信息
| 字段 | 内容 |
|---|---|
| DOI/URL/PDF | DOI/出版社入口；Nature PDF 线索 |
| 发现来源 | OpenAlex；source URL；Crossref 题录辅助确认 |
| 期刊/会议/平台 | Scientific Reports；Springer Nature |
| 发表日期 | 2026-09-21；OpenAlex 与 Crossref published-online 一致 |
| 作者/机构 | Jianhua Lu、Fen Qin；Zhejiang Industry Polytechnic College、Zhejiang Business Technology Institute |
| 通讯作者 | 未能确认；payload 未提供，Nature PDF/HTML 抓取失败 |
| 脚本评分/证据等级 | 76；摘要级。命中锂离子电池、SOH、深度学习、EIS 数据集和 Scientific Reports |
| 核验路径 | pdf_url 未提供 → DOI web_extract 失败 → Nature PDF/HTML 继续尝试仍失败；使用 OpenAlex 摘要与 Crossref 题录核验 |
纳入理由与原文证据
- 主题/边界： 目标是从原始 EIS 阻抗谱预测锂离子电池 SOH，属于健康状态预测和非侵入式寿命监测核心范围。
- 证据： 摘要报告按时间分离的同电芯测试 RMSE 约 1.15%，在未参与训练的新电芯上 RMSE 0.148%，并明确所有结果来自 offline simulation。DOI
数据集/电池体系
- 体系/数据： 在线 EIS 数据集共 14,752 次实验；电池在 25°C/45°C、6 个 SOC、从 100% 到 80% SOH 的循环阶段采集，每条谱包含 0.05–1000 Hz 范围内 14 个对数频率点。
- 工况/跨域： 有温度、SOC 和老化阶段覆盖，并报告时间泛化与新电芯泛化；电芯数量、化学体系、训练/验证细胞清单和是否存在重复测量跨集合未能确认。
EOL/RUL/SOH 定义
- 目标/定义： 输出 SOH；摘要给出数据范围 100%–80% SOH，但未明确把 80% 定义为 EOL，亦未涉及 RUL 单位或标签生成方式。
- 未来信息风险： EIS 是随老化采集的完整谱，需核对频率特征归一化、同一电芯的时间切分、新电芯测试是否真正独立，以及优化算法是否接触测试分布。
模型方法
- 流程： 原始 EIS 复数/谱特征 → Inception-V4 深度网络与 Modified Hiking Optimization Algorithm 联合优化 → SOH 输出；双分支还估计接近等效电路的参数。摘要未列完整 baseline 或消融。
- 部署： 论文明确不声称实时嵌入式 BMS 性能；仅可确认 offline simulation 与可解释参数输出，推理延迟、所需阻抗仪器和在线更新未说明。
验证设计
- 划分/泛化： 一项是同电芯按时间分离的后期循环测试，另一项是完全未参与训练的新电芯；这是比随机窗口更有价值的验证，但温度/SOC 是否跨集合隔离未能确认。
- 可信度： 中等、信息不足。验证方向较好，然而跨电芯 RMSE 低于时间分离结果，必须通过全文确认样本和归一化口径。
指标与结果
- 摘要报告时间分离同电芯测试 RMSE 1.15%，新电芯跨电芯测试 RMSE 0.148%；单位为摘要原文的百分比表述，测试样本数和置信区间未能确认。
- 论文还声称双分支参数接近等效电路表示，但未能核对参数误差、SOH 误差分布、对照模型及跨温度结果。
泄漏风险、复现性与局限性
- 泄漏风险： 中、待全文核对；重点检查按电芯和时间划分、EIS 频率标准化、同一电芯重复谱以及 MHOA 超参数选择。
- 复现性： 中等偏低、信息不足。数据集和 14 个频点结构较清楚，但未确认原始数据下载、代码、网络配置和随机种子。
- 局限性： ① 只有摘要级证据；② offline simulation 不能证明实时嵌入式部署；③ 化学体系、电芯规模和跨温度/跨制造批次泛化未知。
是否值得跟进
- 结论： 跟进。
- 理由与下一步： EIS 输入与新电芯验证对低侵入 SOH 监测有实际价值。下一步获取 Nature 正文，核对复数阻抗输入、数据泄漏防护、跨温度测试、模型复杂度和与传统 ECM/回归基线的公平对比。
查看关键词分类依据
- SOH estimation · 摘要包含「soh」
nvasive method of measuring state-of-health (SoH) of lithium-ion batteries, but it is difficult to obtain strong degradation mea - Generic neural network / deep learning · 摘要包含「deep learning」
nts a new approach of combining Inception-V4 deep learning architecture with a Modified Hiking Optimization Algorithm (MHOA) to obtain pre - ECM / electrochemical model · 摘要包含「equivalent circuit」
ified to be close to those in the respective equivalent circuit representations. All presented results are from an offline simulation on time-s - Self-built / experimental dataset · 摘要包含「laboratory」
iments for batteries subjected to controlled laboratory environments (25 °C and 45 °C), 6 states of charge, and cycling from 100% to 80 - Li-ion / LIB · 标题包含「lithium-ion」
Lithium-ion battery state-of-health prediction using Inception-V4 network optimized by Modi