Lithium-ion battery state-of-health estimation based on health feature selection and IGWO-Transformer-GRU model
Chengchen Deng、Xi Chen、Zhitong Ding
3. Lithium-ion battery state-of-health estimation based on health feature selection and IGWO-Transformer-GRU model
论文基本信息
| 字段 | 内容 |
|---|---|
| DOI/URL/PDF | DOI；Crossref 元数据/摘要；Crossref 暴露的 PDF 入口未能提取 |
| 发现来源 | source_history=OpenAlex；payload source URL |
| 期刊/会议/平台 | Circuit World，页码 1–16 |
| 发表日期 | OpenAlex 为 2026-09-17；Crossref published-online/issued 为 2026-09-18，存在 1 天差异 |
| 作者/机构 | Chengchen Deng、Xi Chen、Zhitong Ding；Crossref 机构信息为 China Three Gorges University，Yichang City，中国 |
| 通讯作者 | 通讯作者：payload 结构化字段列为 Xi Chen；出版社页和 PDF 未成功提取，未能独立确认 |
| 脚本评分/证据等级 | 68；命中 lithium-ion、SOH/RUL、Transformer/GRU、NASA/CALCE；摘要级（Crossref 返回结构化摘要） |
| 核验路径 | payload pdf_url 为空 → URL/DOI 的 web_extract 失败 → Crossref API 成功返回摘要与题录；随后发现的 Emerald PDF 入口也提取失败 |
纳入理由与原文证据
- 主题/边界： 直接估计锂离子电池 SOH，并将 Transformer-GRU 组成 RUL prediction framework，属于电池寿命预测主任务。
- 证据： Crossref 摘要称模型“proposes an enhanced improved Grey Wolf optimization (IGWO)-Transformer-GRU-based estimation framework”，并以 NASA/CALCE 验证（Crossref 摘要）。
数据集/电池体系
- 体系/数据： 锂离子电池；NASA 和 CALCE 数据集；摘要称共比较八组测试电池。输入健康因素来自充放电电流、端电压、充电阶段电池体温和增量容量曲线。
- 工况/跨域： 公开数据集和信号类型已确认；具体电芯编号、温度/倍率、充电窗口、按电芯还是按窗口切分未能确认。
EOL/RUL/SOH 定义
- 目标/定义： 论文明确做 SOH estimation，并形成 RUL prediction framework；SOH 归一化方式、EOL 阈值、RUL 单位和标签生成规则未说明。
- 未来信息风险： 增量容量曲线可能依赖完整充电段，需核实其是否能在目标在线时刻获得；还要检查滑窗重叠、全寿命归一化和按电芯隔离是否严格。
模型方法
- 流程： 多信号提取 HFs → KPCA 与 Pearson 相关分析降维/筛选 → IGWO 优化估计过程，加入 Tent chaotic mapping 和 Lévy flight → Transformer-GRU 同时捕获长程依赖与局部退化模式。
- 部署： 论文摘要将其定位为 BMS 方案，但车规处理器、在线采样长度、推理延迟和内存占用未能确认；baseline 包括 Transformer、Transformer-GRU、IGWO-GRU、GWO-Transformer-GRU。
验证设计
- 划分/泛化： NASA/CALCE 八组测试电池、消融和模型比较已确认；训练/验证/测试边界、跨数据集外推和独立电芯留出策略未说明。
- 可信度： 中低；题录和摘要证据较完整且有两个公开数据集，但核心 PDF 不可访问，无法审计切分与指标单位。
指标与结果
- 提出的 IGWO-Transformer-GRU 平均 MAE 0.00675、RMSE 0.00846；摘要未说明对应 SOH 单位或是否跨 NASA/CALCE 汇总。
- 相对 Transformer、Transformer-GRU、IGWO-GRU、GWO-Transformer-GRU，平均 MAE 分别降低 60.06%、49.20%、31.12%、28.76%；RMSE 分别降低 57.76%、46.82%、30.64%、28.13%。
- 未能确认 RUL 的独立误差、置信区间和各电芯分项结果。
泄漏风险、复现性与局限性
- 泄漏风险： 信息不足；重点核对增量容量特征是否使用未来片段、KPCA/相关性筛选是否只在训练集拟合，以及窗口和归一化是否跨电芯泄漏。
- 复现性： 中低；NASA/CALCE、特征类型、模型组件和比较对象已给出，但代码、超参、随机种子和完整编号未确认。
- 局限性： 不能从摘要判断 RUL 定义；NASA/CALCE 与真实车队工况有差距；IGWO、混沌映射和 Lévy flight 的额外计算成本未报告。
是否值得跟进
- 结论： 跟进。
- 理由与下一步： 方法链条和误差数字对 SOH benchmark 有参考价值，但必须先取得 PDF。下一步核对 EOL/RUL 标签、按电芯切分、特征可用时间和所有基线的同一预处理，再决定是否复现。
查看关键词分类依据
- RUL prediction · 摘要包含「remaining useful life」
Transformer-GRU model is developed to form a remaining useful life prediction framework. Ablation studies and comparisons are provided based on NA - SOH estimation · 摘要包含「soh」
hes for lithium-ion battery state-of-health (SOH) estimation. This paper proposes an enhanced improved Grey Wolf optimization (I - Transformer / attention · 标题包含「transformer」
n based on health feature selection and IGWO-Transformer-GRU model - GRU · 标题包含「gru」
ealth feature selection and IGWO-Transformer-GRU model - Generic machine learning · 标题包含「feature selection」
y state-of-health estimation based on health feature selection and IGWO-Transformer-GRU model - Hybrid model · 摘要包含「hybrid」
riginality/value This study proposes a novel hybrid framework for the SOH estimation of lithium-ion batteries, which enhances globa - NASA · 摘要包含「nasa」
tudies and comparisons are provided based on NASA and CALCE battery datasets to validate the proposed method. Findings The propos - CALCE · 摘要包含「calce」
d comparisons are provided based on NASA and CALCE battery datasets to validate the proposed method. Findings The proposed IGWO-Tr - Li-ion / LIB · 标题包含「lithium-ion」
Lithium-ion battery state-of-health estimation based on health feature selection and IGWO-T