When Labels Shift: Few-Shot Fine-Tuning Versus Unsupervised Domain Adaptation for Cross-Dataset Battery Cycle-Life Prediction
Pengcheng Zhao
2. When Labels Shift: Few-Shot Fine-Tuning Versus Unsupervised Domain Adaptation for Cross-Dataset Battery Cycle-Life Prediction
论文基本信息
| 字段 | 内容 |
|---|---|
| DOI/URL/PDF | DOI；全文 PDF |
| 发现来源 | OpenAlex、Crossref；source_history 包含 OpenAlex 与 Crossref |
| 期刊/会议/平台 | CONF-MLA 2026 Symposium 论文集；题录 venue 为 Applied and Computational Engineering，PDF 首页标示会议论文集 |
| 发表日期 | OpenAlex 题录日期 2026-09-22；全文标注 ©2026，未另见精确 online 日期 |
| 作者/机构 | Pengcheng Zhao；School of Computer Science and Technology, Beijing Jiaotong University（Weihai） |
| 通讯作者 | 全文首页列作者邮箱，但未标注通讯作者身份；未能确认 |
| 脚本评分/证据等级 | 68；全文级。PDF 可读，题录评分不是实验表现 |
| 核验路径 | payload PDF 直链成功提取全文；再核对 DOI、题名、作者和文中数据/结果。全文约 19,335 字符，关键方法与结果均可读取 |
纳入理由与原文证据
- 主题/边界： 明确从前 20 个循环预测总 cycle life，并研究跨数据集迁移，属于早期寿命预测。论文同时提供跨域迁移策略比较，不是一般电池材料或控制研究。
- 证据： 作者定义 cycle life 为放电容量首次降至初始容量 80% 的循环数；报告 5 个目标域标注样本微调将 Stanford 方向 MAE 从 517 降至约 98 cycles。见全文 PDF。
数据集/电池体系
- 体系/数据： Stanford 数据 41 个 NMC532 电芯；Tongji 数据 130 个商业 18650（NCA 66、NCM 55、NCA+NCM 混合 9）。Tongji 工况覆盖 25–55°C 和多种电流倍率；由于 Tongji 缺少温度列，跨域实验使用 9 个共有特征。
- 工况/跨域： 输入为前 20 周期的容量、电压、电流、温度及周期时长汇总；两库均为实验室老化数据，不是现场车队测试。
EOL/RUL/SOH 定义
- 目标/定义： 预测总 cycle life；以放电容量第一次达到初始容量 80% 的 cycle 为寿命终点，并取最初五周期中位值抑制噪声。该阈值是本文明示定义，不外推为其他论文标准。
- 未来信息风险： 标准化器仅在训练集拟合；迁移微调先取固定种子的目标电芯，再在其余电芯测试。作者指出混合域随机切分会让模型识别数据集来源并高估结果，单源验证 R² 接近 0。
模型方法
- 流程： 每周期 11 项统计特征 → 两层 Conv1d、批归一化/ReLU → 128 隐元 LSTM → MLP 输出 cycle life；约 123k 参数，AdamW 与 SmoothL1 损失。比较直接迁移、少样本微调、MMD、MMD 预训练后微调及 DANN，并含从头训练对照。
- 部署： 作者称特征计算轻量，但没有实际设备上的延迟、内存或采样频率测试；不能由参数量单独推断 BMS 实时能力。
验证设计
- 划分/泛化： 160 个可用电芯采用混域 64/16/20 随机切分作域内基准；另做双向留一数据集迁移。微调使用指定数量目标电芯，其余隔离测试，且设从头训练对照。
- 可信度： 中。完整方法、拆分和风险披露较清楚，但小规模实验室样本、非对称数据集规模及混域泄漏基准需要谨慎解读。
指标与结果
- 混域随机切分 MAE 63–74 cycles、R² 0.83–0.86，但作者明确警告域泄漏。Tongji→Stanford 直接迁移 MAE 517、R² −18.84；5 个目标电芯微调 MAE 98.3，改善 81%。MMD（λ=0.1）为 394，DANN 为 474.2；反向迁移使用 40 个目标样本时 MAE 131。
泄漏风险、复现性与局限性
- 泄漏风险： 中；论文揭示混合随机划分存在域身份泄漏，跨域方案则报告目标测试电芯隔离。仍需核对代码中的全部重复运行和固定种子细节。
- 复现性： 中；Stanford、Tongji 数据为公开来源，全文说明特征、网络和主要超参；未确认代码仓库、完整预处理脚本及随机种子公开。
- 局限性： 两个实验室数据集且 Stanford 仅 41 芯；域差异同时包含化学体系与协议差异；不确定性估计、实车外部验证和反向迁移的低标签表现有限。
是否值得跟进
- 结论： 跟进。
- 理由与下一步： 论文给出“少量有标签校准胜过无监督对齐”的可检验结论。建议按原文拆分复现，并增加按化学体系/协议分层测试，检查模型在不同寿命分布下的误差与不确定性。
查看关键词分类依据
- EOL / cycle life prediction · 摘要包含「cycle life」
ge systems, and accurate early prediction of cycle life is critical for safety, warranty cost, and second-life planning. Models trained - Transfer learning / domain adaptation · 标题包含「domain adaptation」
ft: Few-Shot Fine-Tuning Versus Unsupervised Domain Adaptation for Cross-Dataset Battery Cycle-Life Prediction - LSTM · 摘要包含「lstm」
diction under such distribution shift. A CNN-LSTM regressor and two public datasets, Stanford (41 NMC532 cells) and Tongji (130 N - CNN · 摘要包含「cnn」
prediction under such distribution shift. A CNN-LSTM regressor and two public datasets, Stanford (41 NMC532 cells) and Tongji ( - MIT / Severson · 摘要包含「stanford」
CNN-LSTM regressor and two public datasets, Stanford (41 NMC532 cells) and Tongji (130 NCA/NCM cells), are used to run a six-experim - Li-ion / LIB · 摘要包含「lithium-ion」
Lithium-ion batteries are widely deployed in electric vehicles and energy-storage systems, - NCA · 摘要包含「nca」
, Stanford (41 NMC532 cells) and Tongji (130 NCA/NCM cells), are used to run a six-experiment ladder covering in-domain baseline