A novel remaining useful life prediction method for lithium-ion battery based on long short-term memory network optimized by improved sparrow search algorithm

2. A novel remaining useful life prediction method for lithium-ion battery based on long short-term memory network optimized by improved sparrow search algorithm

论文基本信息

字段	内容
DOI/URL/PDF	DOI 10.1016/j.est.2023.106645；ScienceDirect出版社摘要页；payload 未提供可用 PDF URL
发现来源	Crossref/Venue；来源历史 Crossref/Venue；来源URL为 DOI
期刊	Journal of Energy Storage, Volume 61, Article 106645
发表日期	日期冲突：Crossref 记录 2023-05-01、ScienceDirect 卷期页标 May 2023；出版社元数据提取另给 2023-01-27。将 1 月 27 日视作可能的 online-first 日期，具体版本时间未能统一确认
作者	Yiwei Liu、Jing Sun、Yunlong Shang、Xiaodong Zhang、Song Ren、Diantao Wang；出版社资料列山东工商学院、山东大学及烟台东方智慧电气有限公司
通讯作者	Jing Sun，出版社文章元数据标注
脚本评分/证据等级	81；摘要级。得分包含主题、期刊、开放获取/引文线索，不能替代实验数据
核验路径	payload 无 pdf_url；访问 ScienceDirect 摘要页与 DOI 题录成功，核对摘要、亮点、卷期及数据可用性；未取得全文

纳入理由与原文证据

• 主题/边界： 出版社摘要明确研究锂离子电池 RUL，并以改进麻雀搜索算法优化 LSTM 超参数，属于直接寿命预测，不是普通故障监测。
• 证据： ScienceDirect 摘要称模型在不同电池数据上与 SVR、CNN、RNN、原始 LSTM 比较，并主张早期及中期寿命预测有效；摘要没有给出可核对的误差数字或数据集名称。

数据集/电池体系

• 体系/数据： 锂离子电池容量数据；出版社摘要只称“不同数据集/不同类型电池”，未列 NASA、CALCE 等具体名称、电芯数量、容量、化学体系细节或工况。作者声明无权分享所用数据，无法确认是否可从公开原始库独立重建。
• 工况/跨域： 摘要提到多种电池以及早/中寿命阶段，但未说明跨电芯、跨化学体系或跨工况的训练测试矩阵，外部验证边界不清。

EOL/RUL/SOH 定义

• 目标/定义： 目标为 RUL；摘要只泛称电池到达 EOL 后容量快速下降，未给本文 EOL 容量阈值、RUL 单位、标签生成规则。
• 未来信息风险： 摘要未说明训练窗口、验证集在 ISSA 超参搜索中的角色或是否仅用预测起点以前数据。需要检查优化过程是否接触测试电芯标签，以及数据归一化是否跨完整寿命曲线拟合。

模型方法

• 流程： 先选取 LSTM 待优化超参数，再由 improved sparrow search algorithm（ISSA）按不同数据集容量数据搜索参数并预测 RUL；对照 SVR、CNN、RNN 与 LSTM。摘要没有给出 ISSA 搜索边界、LSTM 输入特征、消融或优化预算，不能补推。
• 部署： 在线推理时延、计算资源、模型更新方式未说明；不可据 LSTM/ISSA 名称推断部署成本。

验证设计

• 划分/泛化： 摘要称不同类型电池验证并提及早期、中期预测；具体样本划分、按电芯留出、重复次数和外部测试集未能确认。
• 可信度： 信息不足；主题和方法由出版社摘要确认，但关键实验设计及完整数值被全文访问限制。

指标与结果

• 摘要仅定性称预测更准确、鲁棒，未给 RUL MAE、RMSE、单位、测试电芯或置信区间；不得用脚本分数或二手引用替代原始结果。出版社数据可用性说明为作者无权分享数据，显著限制独立复核。

泄漏风险、复现性与局限性

• 泄漏风险： 信息不足。ISSA 用于超参数寻优，需确认寻优目标只用训练/验证集；未取得全文，无法判定测试集隔离与早期预测切点。
• 复现性： 低/信息不足。数据未获分享许可，摘要未提供代码、超参、种子或数据来源清单。
• 局限性： 数据集身份不明；没有可核验的数值结果和划分；线上出版日期与卷期日期存在冲突。

是否值得跟进

• 结论： 跟进。
• 理由与下一步： ISSA-LSTM 的主题明确且处于高相关积压项，但数据不可分享会妨碍复现；优先取得全文，确认在线发表日期、具体数据、阈值、测试划分和 ISSA 搜索约束后再纳入基准对比。