PhyMamba: Physics-Modulated Mamba for Robust Battery Health Prognostics

1. PhyMamba: Physics-Modulated Mamba for Robust Battery Health Prognostics

论文基本信息

字段	内容
DOI/URL/PDF	arXiv 摘要页；PDF 全文；无 DOI
发现来源	source_history: arXiv；来源 URL 为 arXiv 摘要页与 PDF
期刊/会议/平台	arXiv 预印本；PDF 页眉为 IEEE Internet of Things Journal，但正式发表状态未能确认
发表日期	2026-08-28；以 arXiv v1 日期为准。PDF 另写 “Manuscript received August 30, 2026”，与预印本日期存在顺序异常
作者/机构	Sara Sameer、Yunyi Zhao、Wei Zhang（Singapore Institute of Technology；Yunyi Zhao 另列 National University of Singapore）、Minggang Zeng、Wenqing Li、Man-Fai Ng（A*STAR IHPC）、Yonggang Wen（Nanyang Technological University）
通讯作者	通讯作者：Wei Zhang；PDF 明确列出 wei.zhang@singaporetech.edu.sg
脚本评分/证据等级	58；命中 battery、degradation/prognostics、physics-informed、arXiv、open access；全文级（脚本原始标记为摘要级）
核验路径	pdf_url：web_extract 成功提取 → 未需回退 URL/DOI；已阅读 PDF 正文、实验表和结论

纳入理由与原文证据

• 主题/边界： 论文直接预测多周期 SoH，并面向 BMS 的 battery health prognostics，属于健康退化轨迹预测；它没有把 RUL 作为主要输出。
• 证据： 原文称提出 “a two-stage physics-modulated Mamba framework”；并报告跨多个公开数据集的 MAE 平均降低 31.8%。PDF 全文

数据集/电池体系

• 体系/数据： MATR 为 169 个 LFP/石墨 18650 电芯、81 种快充协议；NASA 为 NCA 18650、额定 2000 mAh；CALCE 为 13 个 LCO/石墨方形锂离子电池，25°C、两种协议。输入窗口为 100 个历史周期、每周期电压/电流/时间戳 3 个特征。
• 工况/跨域： 三套公开数据覆盖快充、不同放电曲线/环境温度和固定温度协议；训练、验证、测试按电芯互斥。更细的 SOC 窗口、预处理和跨化学体系外推边界未能确认。

EOL/RUL/SOH 定义

• 目标/定义： 输出为未来 H 个周期的 SoH；文中将 SoH 描述为当前可用容量/额定容量，并以低于“如 80%”作为 EOL 背景例子，但没有明确该阈值就是本实验标签，RUL 单位也不是本文主目标。
• 未来信息风险： Algorithm 1 将当前 ΔSoH,c 列为输入，需核实其在在线预测时是否只由当前及历史观测得到；还需排查 Cnorm、归一化和滑窗生成是否使用完整寿命曲线。

模型方法

• 流程： BMS 周期序列 → Mamba 编码器得到六维 BoL 潜变量 → 映射为电极表面积/电导率、SEI 厚度和归一化容量等老化特征 → 第二阶段 Mamba 用物理特征调制 selective-SSM 的步长、写入和读出 → 输出 H 步 SoH。
• 部署： 论文强调线性序列复杂度和精度—模型规模平衡；未能确认具体芯片、功耗、端侧延迟或已部署系统。

验证设计

• 划分/泛化： 三数据集、H∈{10,20,30} 的主比较采用电芯级互斥划分；另有 CALCE H=30 的两阶段消融、MATR H=20/50 的编码器消融及与 ECM-based PACE 对比。
• 可信度： 中高。全文给出数据集、训练设置、表格和消融；但 ΔSoH 的可得性、随机种子及独立真实 BMS 验证仍未说明。

指标与结果

• 主表中 PhyMamba 跨数据集和预测步长的平均 MAE=1.262、MSE=0.086；相对 vanilla Mamba 的平均 MAE/MSE 分别低约 18.0%/16.3%。
• CALCE、H=30 消融中，完整模型 RMSE=0.521、MAE=0.244；去掉物理调制的两阶段 Mamba 为 MAE 0.296，单阶段原始 BMS→SoH 为 MAE 0.556。上述为论文表格数字，不等同于独立复现。

泄漏风险、复现性与局限性

• 泄漏风险： 中；需审计当前 ΔSoH 是否含未来信息、容量归一化统计量是否仅由训练集拟合，以及同一电芯的窗口是否严格未跨 split。cell-wise split 是正面证据。
• 复现性： 中；三套公开数据、输入形状、Adam 学习率 0.01、权重衰减 1e-5、四层/32 维配置、500 epoch 与 patience=30 可确认；代码链接、随机种子和硬件未提供。
• 局限性： ①主要目标是 SoH 而非 RUL/EOL；②六维“物理”参数是从 BMS 学得的潜变量，不是直接测量；③尚无已确认的真实在线、跨新化学体系或板端验证。

是否值得跟进

• 结论： 强烈跟进。
• 理由与下一步： 物理约束进入 selective-SSM 内部更新而非只做静态特征，且有公开三数据集和组件消融。下一步获取代码/补充材料，严格按电芯重建 MATR、NASA、CALCE，做 ΔSoH 可得性、未来信息、H=10/20/30 和 PACE baseline 审计。