Hybrid data-driven method with TADBO-SVMD for lithium-ion battery remaining useful life prediction
Zuowei Ding、Rongsen Xu、Zihan Chen、Haiyang Yin、Ming Fang、Yuanjiang Li
3. Hybrid data-driven method with TADBO-SVMD for lithium-ion battery remaining useful life prediction
论文基本信息
| 字段 | 内容 |
|---|---|
| DOI/URL/PDF | DOI 10.1088/1361-6501/addc00；IOP出版社摘要页（PDF入口返回此页面） |
| 发现来源 | Crossref/Venue；来源历史 Crossref/Venue；来源URL含 DOI 与 PDF 入口 |
| 期刊 | Measurement Science and Technology, 36(6), 066130 |
| 发表日期 | 2025-06-10，IOP 出版页 |
| 作者 | Zuowei Ding、Rongsen Xu、Zihan Chen、Haiyang Yin、Ming Fang、Yuanjiang Li；河北工业大学、江苏科技大学及天府永兴实验室 |
| 通讯作者 | Yuanjiang Li，IOP 以星号及作者邮箱标注 |
| 脚本评分/证据等级 | 76；摘要级。命中 RUL、深度学习、NASA/CALCE/MIT 线索及期刊项 |
| 核验路径 | payload PDF URL 先尝试；IOP PDF 入口返回出版社摘要/访问页，无法取得正文；随后 DOI/出版社页面核实作者、日期、摘要和数据声明 |
纳入理由与原文证据
- 主题/边界： IOP 摘要明确为锂离子电池 RUL 估计，直接满足主题。方法针对容量非平稳性及容量再生波动，但不能仅因处理退化信号就归作寿命研究；本篇由明确 RUL 目标纳入。
- 证据： 摘要报告使用 NASA、CALCE、MIT 数据，并在 3.6C 快充条件下测试；给出的平均 RMSE 分别为 0.63%、1.47%、0.17%，且宣称相对比较方法最高改善 93.5%。这些是摘要级原文数字，测试分组与计算细节未确认。
数据集/电池体系
- 体系/数据： 摘要列 NASA、CALCE、MIT 三类数据；没有说明具体电芯、容量、化学体系和样本数。IOP 数据声明称数据不能在发表时公开，因无合适仓储，但可向作者合理请求，故不能将数据直接视作可复现的公开 benchmark。
- 工况/跨域： 摘要提及 3.6C 快充极端工况，并称跨电池系统鲁棒；各数据源如何对应工况、倍率覆盖和训练/测试是否跨域未说明。
EOL/RUL/SOH 定义
- 目标/定义： 预测容量退化并估计 RUL。出版社摘要没有给 EOL 阈值、RUL 单位或从容量轨迹生成标签的规则。
- 未来信息风险： 未能取得正文，无法确认分解时是否只用预测时点前数据、容量再生处理是否接触未来样本、不同数据集间归一化是否独立；不能根据摘要判断是否无泄漏。
模型方法
- 流程： TADBO 优化序贯变分模态分解（SVMD）参数；DMLSTM-FESANet 融合时频特征以建模长期趋势，TCN-BiLSTM-AM 捕捉 capacity regeneration 波动，构成双通道预测架构。摘要未列模型完整输入、损失函数、消融结果或搜索预算。
- 部署： 计算资源、在线更新、BMS 延迟和嵌入式实现未能确认；不能由摘要中的“高精度/自适应”推断可部署。
验证设计
- 划分/泛化： 摘要称在 NASA、CALCE、MIT 数据集实验，并提 3.6C 快充；没有交代随机种子、训练/验证/测试比例、按电芯留出或跨数据集迁移设置。
- 可信度： 中低/信息不足。来源与摘要可由出版社确认，数值具体，但没有正文验证测试拆分，且数据需向作者请求。
指标与结果
- 摘要给出平均 RMSE：NASA 0.63%、CALCE 1.47%、MIT 0.17%；并称最大相对改进 93.5%。没有说明百分比归一化分母、各值是跨电芯平均还是其他汇总，也未给 MAE/RUL-cycle 误差或不确定性，因此只保留原始表述，不横向比较。
泄漏风险、复现性与局限性
- 泄漏风险： 信息不足。SVMD 参数由优化器搜索，必须核查优化目标是否隔离测试集；分解和 capacity regeneration 通道是否严格因果也需正文确认。
- 复现性： 低至中。数据不可直接公开、但可向作者申请；摘要可确认架构与测试集名称，代码、完整参数、划分和随机种子未能确认。
- 局限性： 正文受限；公开复现条件不足；跨数据域与高倍率的实验设计、指标定义及统计重复性均待核实。
是否值得跟进
- 结论： 跟进。
- 理由与下一步： 三个具名数据源和快充条件可能提供跨体系评估线索；下一步申请全文/数据，确认 RMSE 口径、测试拆分及 TADBO 搜索隔离后再比较。
查看关键词分类依据
- RUL prediction · 标题包含「remaining useful life」
thod with TADBO-SVMD for lithium-ion battery remaining useful life prediction - CNN · 摘要包含「tcn」
o model the long-term degradation trend, and TCN-BimLSTM-AM is combined to capture CR fluctuations, enabling efficient modeling - Generic neural network / deep learning · 标题包含「data-driven」
Hybrid data-driven method with TADBO-SVMD for lithium-ion battery remaining useful life prediction - Hybrid model · 标题包含「hybrid」
Hybrid data-driven method with TADBO-SVMD for lithium-ion battery remaining useful lif - NASA · 摘要包含「nasa」
i-scale degradation patterns. Experiments on NASA, CALCE, and MIT datasets show that the proposed method significantly outperform - CALCE · 摘要包含「calce」
e degradation patterns. Experiments on NASA, CALCE, and MIT datasets show that the proposed method significantly outperforms mains - MIT / Severson · 摘要包含「mit」
VMD are adaptively optimized by the TADBO to mitigate noise interference and precisely extract deterioration signals. Secondly, - Li-ion / LIB · 标题包含「lithium-ion」
ybrid data-driven method with TADBO-SVMD for lithium-ion battery remaining useful life prediction