State-of-health estimation and remaining useful life prediction for the lithium-ion battery based on a variant long short term memory neural network
Penghua Li、Zijian Zhang、Qingyu Xiong、Baocang Ding、Jie Hou、Dechao Luo、Yujun Rong、Shuaiyong Li
1. State-of-health estimation and remaining useful life prediction for the lithium-ion battery based on a variant long short term memory neural network
论文基本信息
| 字段 | 内容 |
|---|---|
| DOI/URL | DOI/出版社入口;未取得 PDF 链接 |
| 发现来源 | Crossref/Venue;Crossref 题录及 OpenAlex 作者元数据;来源历史为 Crossref/Venue、Crossref |
| 期刊 | Journal of Power Sources,459 卷,文章号 228069 |
| 发表日期 | Crossref 印刷卷期记为 2020-05;OpenAlex publication_date 为 2020-03-28。未取得出版社在线出版日期,保留冲突,不把 Crossref 建档日当作发表日。 |
| 作者/机构 | Penghua Li、Zijian Zhang、Qingyu Xiong、Baocang Ding、Jie Hou、Dechao Luo、Yujun Rong、Shuaiyong Li。OpenAlex 记录的机构包括重庆邮电大学、重庆大学、西安交通大学、中国汽车工程研究院及中国移动杭州信息技术公司。 |
| 通讯作者 | Penghua Li(OpenAlex 标记 corresponding;学院自动化相关单位,重庆邮电大学) |
| 脚本评分/证据等级 | 91;元数据级。题名明确包含 SOH/RUL 与变体 LSTM;未将评分视为结果。 |
| 核验路径 | 无 PDF URL;DOI/ScienceDirect 页面抓取失败;随后以 Crossref API 核对标题、卷期、作者,以 OpenAlex 核对作者机构/通讯标记,并查到 NASA ADS 的摘要索引片段。未能读到全文或完整摘要。 |
纳入理由与原文证据
- 主题/边界: 题名直接声明同时估计 SOH、预测 RUL,符合主题;摘要索引片段称提出“由多电池共享的预后框架”。该摘要只在检索索引中部分可见,不能据此延伸到具体模型实现或实验结论。
- 证据: Crossref DOI 题录;NASA ADS 摘要索引。
数据集/电池体系
- 体系/数据: 题名指向锂离子电池。数据集、样本数、输入变量及实验体系均未能从可读的一手摘要/全文中确认;不根据同领域常用数据集推测。
- 工况/跨域: 多电池共享框架是索引摘要片段可见的信息;电芯数量、倍率、温度、化学体系覆盖及跨电池划分均未说明/未能确认。
EOL/RUL/SOH 定义
- 目标/定义: 题名所指为 SOH 估计与 RUL 预测,但 RUL 的单位、EOL 阈值、标签生成方式和 SOH 计算式未能确认。
- 未来信息风险: 缺少输入时间窗、预测起点及标签说明,无法判断是否使用完整寿命轨迹、未来循环信息或测试集调参;应视为信息不足,而非默认无泄漏。
模型方法
- 流程: 题名称使用变体长短期记忆网络;摘要片段提及多电池共享的预后框架。变体结构、输入特征、训练目标、消融及基线未能确认,不从题名补写网络细节。
- 部署: 在线推理、传感器需求、计算量、更新机制均未能确认。
验证设计
- 划分/泛化: 摘要索引提到多电池框架,但未确认是否按电芯留出、是否有外部测试或跨工况验证;随机窗口划分与同电芯信息泄漏风险仍待全文核对。
- 可信度: 信息不足。期刊题录身份较明确,但缺少可读摘要正文及验证协议,不能仅凭期刊和引用数判断泛化能力。
指标与结果
- RUL/SOH 的 MAE、RMSE、单位、测试集及置信区间均未能确认;本报告不引用二手转述的数值,也不将评分 91 当作实验指标。
泄漏风险、复现性与局限性
- 泄漏风险: 信息不足;重点检查多电池拆分是否真正按电芯隔离,以及归一化/特征选择是否只用训练集拟合。
- 复现性: 信息不足;数据、代码、超参数、种子及基线结果均未能确认。
- 局限性: 目前仅能确认题名和题录;完整任务定义、实验规模与部署可行性尚无一手证据。发表日期也有 2020-03-28 与 2020-05 两种索引。
是否值得跟进
- 结论: 强烈跟进(优先补全文)。
- 理由与下一步: 联合 SOH/RUL 与多电池建模直接相关;从作者/机构仓储或出版社获取全文后,先确认目标阈值、按电芯测试、数据集和结果单位,再决定是否纳入方法基准。
查看关键词分类依据
- RUL prediction · 标题包含「remaining useful life」
State-of-health estimation and remaining useful life prediction for the lithium-ion battery based on a variant long short term memor - LSTM · 标题包含「long short term memory」
r the lithium-ion battery based on a variant long short term memory neural network - Generic neural network / deep learning · 标题包含「neural network」
ry based on a variant long short term memory neural network - Li-ion / LIB · 标题包含「lithium-ion」
and remaining useful life prediction for the lithium-ion battery based on a variant long short term memory neural network