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

论文原文 ↗来源页面 ↗

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