Intelligent prediction of the remaining useful life of lithium-ion batteries based on a CGHF-MDH-Mamba model

2. Intelligent prediction of the remaining useful life of lithium-ion batteries based on a CGHF-MDH-Mamba model

论文基本信息

• **标题：**Intelligent prediction of the remaining useful life of lithium-ion batteries based on a CGHF-MDH-Mamba model
• **DOI/URL：**https://doi.org/10.20517/ir.2026.15
• **期刊/会议/预印本平台：**Intelligence & Robotics
• **发表日期：**2026-06-18
• **作者：**Yanhao Li, Xin Zhou, Feng Zhong, Wei Han, Zichong Zhang, Rui Tong, Lyuwen Huang
• **脚本评分：**56
• **期刊指标核验：**脚本仅识别 venue: Intelligence & Robotics，未做 JCR/JIF/JCI/CiteScore/SJR 单独核验，故不臆测数值。
• **访问核验：**DOI 页面可访问；已核对题名、任务、模型模块、数据集和部分结果指标。

纳入理由

• 题名和摘要直接包含 remaining useful life of lithium-ion batteries。
• 摘要/页面证据显示模型用于 lithium-ion batteries RUL 和容量退化轨迹预测，并在 NASA 与 TJU 电池循环数据上评估。
• 与一般储能调度/控制不同：该文直接输出电池 RUL/容量预测，并引入单调容量约束以符合退化物理趋势。

创新点

• 提出 CGHF-MDH-Mamba：channel-grouping half-convolution、Variable Selection Network、Mamba selective state-space encoder、Monotonic Decreasing Head 组合。
• MDH 显式施加“容量非增加/单调下降”约束，试图避免纯数据驱动模型预测不符合物理的容量回升。
• 使用 Mamba 捕获长程依赖，强调线性时间复杂度和较低推理延迟，面向在线健康监测。

主要内容

• 论文认为电池退化受电压、电流、温度、容量和历史工况耦合影响，存在非线性、局部容量恢复、噪声和个体差异。
• CGHF 负责轻量局部时序/通道特征提取；VSN 对多变量健康指标自适应加权；Mamba 建模长序列依赖；MDH 输出带单调约束的容量/RUL 预测。
• 在 NASA Randomized Battery Usage Dataset 与 TJU Commercial Lithium-Ion Battery Cycling Dataset 上报告较低容量预测 MAE。

模型架构/方法流程

模型方法

• **方法类别：**数据驱动深度学习 + 物理约束输出层。
• 架构模块：
  • CGHF：channel-grouping half-convolution，部分通道卷积、部分通道保留，降低冗余；结合 SE attention。
  • VSN：Variable Selection Network，自适应筛选/加权变量。
  • Mamba：selective state-space sequence modeling，用于长程依赖。
  • MDH：Monotonic Decreasing Head，引入非增加容量约束和 adaptive gating。
• **未能确认：**完整损失函数权重、Mamba block 数量、hidden dimension、训练 epoch、学习率、batch size。

输入特征与输出目标

• **输入特征：**页面提到电压、电流、温度、容量及多变量 battery health indicators；具体采样频率、窗口长度、特征工程细节需全文确认。
• **输出目标：**RUL 与容量退化轨迹/容量预测。
• **EOL/RUL/SOH 定义：**RUL 预测任务明确；EOL 阈值（如 80% 容量保持率）未能从可访问内容确认。

数据来源/数据结构/电池类型/循环协议

数据集/电池体系

• **电池体系：**锂离子电池。
• **数据来源：**NASA Randomized Battery Usage Dataset；TJU Commercial Lithium-Ion Battery Cycling Dataset。
• **数据结构：**循环老化数据，包含容量和多变量运行/健康指标。
• **循环协议/温度/倍率：**NASA Randomized 暗示随机使用工况；TJU 为商用锂电循环数据。具体电池数量、倍率、温度、截止条件未能从可访问内容确认。
• **跨工况/跨数据验证：**在两个数据集上验证；是否做严格跨 cell/跨工况外推未能确认。

结果指标

• **容量预测 MAE：**NASA minimum MAE = 0.0081 Ah；TJU minimum MAE = 0.0009 Ah。
• **计算指标：**完整模型推理延迟约 0.1–0.2 s（页面提取信息）。
• **未能确认：**RUL cycle error、RMSE、MAPE、R²、统计显著性和误差方差。

Baseline/对比方法

• 摘要称在相同设置下 outperform strong baselines。
• 可访问内容未列出完整 baseline 名单和每个 baseline 数值。
• 后续需核对是否比较 LSTM/GRU/TCN/Transformer/Mamba-only/无 MDH/无 CGHF 等消融。

验证设计

• **数据划分方式：**未能从可访问内容确认是随机 split、按 cell split 还是跨工况 split。
• **消融实验：**页面贡献强调各模块，但消融表是否完整未确认。
• **鲁棒性：**作者提示仍需在更多真实工况下验证。
• **外部验证：**NASA + TJU 两个公开数据集，属于多数据集验证，但不等同于真实 BMS/车队外部验证。

指标

• 已确认容量预测 MAE 和推理延迟。
• 未能确认是否报告 RMSE、MAPE、R²、cycle error、uncertainty interval 或 calibration。
• 如果最终用于 BMS，需要补充 RUL 误差（cycle/time）和早期预测阶段误差分层。

泄漏风险

• 风险判断：中。
• 原因：页面可确认用了公开数据集和容量序列，但未确认是否按电池划分、归一化是否只用训练数据、滑动窗口是否避免未来信息。
• MDH 单调约束有助于物理一致性，但不能替代严格的训练/测试隔离。

复现性

• **公开数据：**NASA 与 TJU 数据集相对可获取。
• **代码：**可访问内容未确认是否开源。
• **实现细节：**架构模块描述较清楚，但超参、训练脚本、随机种子未确认。
• **复现性判断：中到低。**需全文和代码仓库进一步确认。

局限性

• 期刊/平台影响力需进一步核验，当前评分主要来自主题匹配和开放页面，而非顶级 venue 加权。
• 公共数据集上的最低 MAE 可能受划分方式、归一化和容量标签处理影响。
• 是否能泛化到车载 BMS 的不规则采样、温度变化、快充/慢充混合工况仍未知。

对哥哥研究/落地的启发和后续动作

是否值得跟进

• 结论：跟进。
• 可借鉴“状态空间模型 + 物理单调约束 head”的结构，尤其适合容量轨迹预测中抑制不合理容量反弹。
• 后续动作：下载全文核对 split 协议和 baseline 表；若有代码，优先复现 NASA/TJU；把 MDH 思路抽象成可插拔 post-head，用在现有 LSTM/Transformer/Mamba baseline 上做公平对照。

---