Sparrow Search Algorithm-optimized CNN–BiLSTM for lithium-ion battery capacity degradation prediction with SHAP-based interpretability
Linhui Wang、Mohd Khair Hassan、Asnor Juraiza Ishak、Azizan Bin As’arry、Tsuyoshi Okita、Karimeh Ibrahim Ata
5. Sparrow Search Algorithm-optimized CNN–BiLSTM for lithium-ion battery capacity degradation prediction with SHAP-based interpretability
论文基本信息
| 字段 | 内容 |
|---|---|
| DOI/URL/PDF | DOI 与 Nature 全文页面;页面标注 open access;PDF 直接抽取失败 |
| 发现来源 | Crossref;来源 URL 为 DOI;Nature 页面核对摘要、作者、日期和作者信息 |
| 期刊 | Scientific Reports;2026 年论文,Article 77859 |
| 发表日期 | 2026-11-12;Nature 与 Crossref 均记 Published/online 2026-11-12 |
| 作者/机构 | Linhui Wang、Mohd Khair Hassan、Asnor Juraiza Ishak、Azizan Bin As’arry、Tsuyoshi Okita、Karimeh Ibrahim Ata;Universiti Putra Malaysia、Nanchang Institute of Science & Technology、Kyushu Institute of Technology、University of Tabuk 等 |
| 通讯作者 | Mohd Khair Hassan;Nature 作者信息明确标 Correspondence |
| 脚本评分/证据等级 | 65;摘要级。评分命中容量退化预测、CNN 与 Scientific Reports;分数不是实验结果 |
| 核验路径 | payload 无 PDF;Nature 公开文章 HTML 可读取摘要、作者与日期,页面说明全文开放;PDF 抽取失败,本次未核验完整正文/补充材料 |
纳入理由与原文证据
- 主题/边界: 论文直接预测锂离子电池容量退化,属于 capacity/degradation trajectory prediction,而不是只做异常检测。摘要明确六项健康指标来自充电、放电与增量容量曲线;Nature 摘要。
- 证据: 摘要给出三只实验电池和 NASA B0005 的容量 RMSE、R²,并说明使用 chronological train/validation/test;完整逐电芯拆分仍需正文核验。
数据集/电池体系
- 体系/数据: 三只实验老化的 1.2 Ah 锂离子电池及 NASA B0005。摘要未说明实验电池化学体系、循环工况、NASA 其余电芯是否参与训练,亦未给代码/数据链接。
- 工况/跨域: 采用时间顺序训练、验证、测试划分;温度、倍率与窗口信息未在摘要提供。NASA B0005 与实验电池的来源差异不等于已做跨化学体系外部测试。
EOL/RUL/SOH 定义
- 目标/定义: 预测容量及其退化,不直接报告 RUL/EOL;摘要没有容量阈值、终止条件、SOH 标定或将容量预测转为寿命标签的规则。
- 未来信息风险: Chronological split 是正面设计线索,但需核实窗口构造、健康指标计算、归一化和 SSA 调参是否只使用训练/验证数据,尤其不能让测试段参与特征筛选或模型选择。
模型方法
- 流程: 六项健康指标输入 CNN 提取局部模式,再由 BiLSTM–LSTM–BiLSTM 处理非线性时序特征;SSA 优化学习率、正则化系数和循环层隐藏单元,SHAP 解释指标贡献。摘要未给完整层配置、损失、基线参数或消融。
- 部署: 传感器实时部署、算力、延迟和在线更新未验证;SHAP 解释是模型相关分析,不能据此证明因果性。
验证设计
- 划分/泛化: 摘要明确按时间顺序划分,在三只实验电池与 NASA B0005 上评估;具体每个电池各自划分还是合并后划分、是否有独立电芯留出、重复实验未说明。
- 可信度: 中等偏低;评估对象与时间顺序已知,样本仅四个明确电芯且独立性/划分粒度未明,外推能力有限。
指标与结果
- 三只实验电池的 RMSE 为 0.003196–0.005025 Ah、R² 为 0.922–0.989;NASA B0005 的 RMSE 0.0373 Ah、R² 0.8355。作者称优于四个内部 baseline;须结合各测试段容量范围核对跨电池指标,不能仅按数值比较。
泄漏风险、复现性与局限性
- 泄漏风险: 中/信息不足;检查同电芯时间窗是否严格先后分割、SSA/标准化是否接触测试段、NASA B0005 是否既用于选择又用于报告。
- 复现性: 信息不足;数据部分有 NASA B0005,但代码、实验原始数据、超参搜索预算、随机种子和完整划分表未能从已读摘要确认。
- 局限性: 样本电池数少;未展示外部化学体系/工况验证;摘要指标未提供置信区间且容量误差不能直接代表 RUL 性能。
是否值得跟进
- 结论: 跟进。
- 理由与下一步: 可作为容量轨迹预测与 SHAP 解释的候选基线;下载全文/补充材料核对每只电芯的数据切分、SSA 搜索范围、模型消融及跨电池泛化后再复现。
查看关键词分类依据
- Capacity fade / trajectory prediction · 标题包含「degradation prediction」
CNN–BiLSTM for lithium-ion battery capacity degradation prediction with SHAP-based interpretability - LSTM · 标题包含「bilstm」
Sparrow Search Algorithm-optimized CNN–BiLSTM for lithium-ion battery capacity degradation prediction with SHAP-based interpr - CNN · 标题包含「cnn」
Sparrow Search Algorithm-optimized CNN–BiLSTM for lithium-ion battery capacity degradation prediction with SHAP-based - Generic machine learning · 标题包含「shap」
battery capacity degradation prediction with SHAP-based interpretability - Li-ion / LIB · 标题包含「lithium-ion」
ow Search Algorithm-optimized CNN–BiLSTM for lithium-ion battery capacity degradation prediction with SHAP-based interpretability