A Remaining Useful Life Prediction of Lithium-Ion Batteries via Improved Dream Optimization Algorithm-Tuned LSTM Networks

1. A Remaining Useful Life Prediction of Lithium-Ion Batteries via Improved Dream Optimization Algorithm-Tuned LSTM Networks

论文基本信息

字段	内容
DOI/URL/PDF	DOI与出版社页面；PDF全文
发现来源	OpenAlex；source_history=OpenAlex；本轮核验为预留积压候选。
期刊/会议/平台	Informatica，50卷（2026），257–268页。
发表日期	payload/OpenAlex为2026-08-06；PDF确认2026卷期页码，未在已读页面另确认具体日。
作者/机构	Suoxun Li、Jintao Liu、Yikang Zhao、Xiaoxue Wang；PDF列Hebei University of Technology。
通讯作者	Xiaoxue Wang；PDF作者行以星号标注通讯作者。
脚本评分/证据等级	67；命中RUL、LSTM、CALCE/NASA。全文级；评分不是质量判断。
核验路径	payload含PDF链接；直接抓取并解析到全文、摘要、作者和方法；再用出版社文章页及DOI核对题名和期刊信息。

纳入理由与原文证据

• 主题/边界： 直接预测锂离子电池RUL，符合寿命预测主题。
• 证据： 出版社全文描述以改进Dream Optimization Algorithm调节LSTM超参数，并在CALCE、NASA数据上做实验；出版社全文。

数据集/电池体系

• 体系/数据： CALCE与NASA锂离子电池数据；摘要具体列出CALCE四个电池的误差。NASA对应电芯数、样本数和化学体系未能确认。
• 工况/跨域： 摘要称采用leave-one-out cross-validation；具体留出单位、温度/倍率覆盖以及CALCE与NASA是否分开训练评估未能确认。

EOL/RUL/SOH 定义

• 目标/定义： 输出RUL；EOL阈值、RUL单位与标签生成方式未说明。
• 未来信息风险： 留一交叉验证并不自动保证超参数搜索与测试隔离；需核对归一化、特征窗口及IDOA是否在每个训练折内独立拟合。

模型方法

• 流程： 电池循环数据→LSTM回归；IDOA用最优点集初始化并以自适应种群缩减改善搜索，再调节LSTM超参数。摘要称进行与DOA及其他基线比较。
• 部署： 未报告在线输入要求、计算时延、硬件或BMS实机部署。

验证设计

• 划分/泛化： CALCE、NASA数据，报告LOOCV及十次独立运行；全文尚需核验LOOCV按循环、样本还是电芯划分，以及调参是否嵌套。
• 可信度： 中；全文可读且描述交叉验证，但测试隔离单位和跨数据集设置仍不清楚。

指标与结果

• CALCE四个电池的RMSE分别为0.0201、0.0198、0.0213、0.0186；MAE分别为0.0181、0.0174、0.0163、0.0154。单位/归一化尺度未在摘要说明；作者报告相对未优化模型平均预测准确性提高53.8%。NASA对应数值未能确认。

泄漏风险、复现性与局限性

• 泄漏风险： 信息不足；优先审查超参数优化是否只用训练折、留出是否按电芯分组，以及预处理是否跨越预测时点。
• 复现性： 中低；全文与数据集名称可得，但未确认公开代码、完整超参数、随机种子和标签生成脚本。
• 局限性： ①可读摘要只给CALCE四个对象的具体误差；②指标尺度及LOOCV单位不清；③未见实物在线验证；④十次运行的方差、置信区间及跨化学体系验证结果未能确认。

是否值得跟进

• 结论： 跟进。
• 理由与下一步： 全文可审读且包含NASA/CALCE和优化基线，适合作为RUL算法比较参考。先复核LOOCV和IDOA的嵌套方式，再检查NASA独立结果和归一化误差口径。