A Macro-Anchored Physics-Informed GAN for RUL Prediction Under Continuous Block Missing Data

5. A Macro-Anchored Physics-Informed GAN for RUL Prediction Under Continuous Block Missing Data

论文基本信息

字段	内容
DOI/URL/PDF	DOI/全文 HTML；MDPI PDF
发现来源	OpenAlex；source URL；MDPI 全文 成功提取
期刊/会议/平台	Sensors；MDPI
发表日期	MDPI 页面 Published 2026-09-24；OpenAlex 和 Crossref 题录同日
作者/机构	Yongkang Peng、Jianxun Zhang、Zhengxin Zhang、Xiaosheng Si、Dangbo Du；Rocket Force University of Engineering, Xi’an 710025, China
通讯作者	Dangbo Du（MDPI 全文作者信息以星号标注并列出邮箱；payload 的 corresponding_authors 为空）
脚本评分/证据等级	57；全文级。脚本命中 RUL、physics-informed、attention、锂离子电池、数据集和开放获取
核验路径	payload 未提供 pdf_url；先用 DOI/URL 入口失败，随后打开 MDPI HTML 成功取得全文；PDF 链接另行确认

纳入理由与原文证据

• 主题/边界： 标题直接针对连续块缺失数据下的电池 RUL 预测，且全文把容量退化轨迹重建、不确定性和 RUL 放在同一流程中。
• 证据： 全文主实验在 60% interior block-missing 下报告 MAP-GAN RUL MAE 11.57±9.65 cycles；作者同时说明严格因果实时数据中断预测不是本文重点。全文

数据集/电池体系

• 体系/数据： 主数据为 9 个锂离子纽扣电芯，Neware CT-4008Tn-5V10mA-164 采集，恒流充电和 0.5C 放电；LOOCV 每次 8 个训练、1 个测试。外部 HNEI 数据含 14 个 18650、graphite/NMC-LCO 电芯，前 650 cycles 用于三次随机 train/test split。
• 工况/跨域： 主设定为 65-cycle 窗口、39-cycle 连续内部缺失（60%），另测 20/40/60% 和 early/late 位置；主数据与 HNEI 的工况、容量记录及真实现场噪声仍较受控。

EOL/RUL/SOH 定义

• 目标/定义： 主数据 EOL 定义为容量相对初始额定容量下降 30%，即降至 70%；RUL 是到该阈值的剩余 cycle 数。HNEI 外部验证以 cycle-4 capacity 的 0.7 倍作阈值。
• 未来信息风险： 模型的主缺失块由前后观测包围，属于 retrospective/delayed reconstruction；作者明确不把它当严格因果在线预测，因此部署时必须检查未来右侧上下文是否真实可用。

模型方法

• 流程： 完整历史容量序列 → macro-anchored micro-window MAP-GAN；幅值、形状一阶/二阶差分和波动方差组成物理约束 → encoder-guided latent inversion 重建个体退化轨迹 → Attention-BiLSTM 预测 RUL，20 次 Monte Carlo Dropout 给出预测区间。对比 Mean Fill、Spline、SAITS、BRITS、CSDI、GP-VAE、Vanilla CGAN 等。
• 部署： RTX 4080 SUPER 上 200 次 latent inversion 每 65-cycle 窗口约 2.43 s，20 次 MCD 的预测约 1.1 ms；这是作者测得的相对计算成本，不等于嵌入式 BMS 实时性。

验证设计

• 划分/泛化： 主实验采用按电芯 LOOCV，并对缺失比例/位置做敏感性分析；HNEI 做三次随机 split 的外部检查，但同一电芯可在不同 split 中重复出现，不能当作一次严格互斥的总留出。
• 可信度： 高但有边界。全文给出协议、基线、消融、外部数据和复现配置；限制是主数据不可公开，且测试主要是受控单变量容量序列。

指标与结果

• 缺失重建平均 MAE 2.26、RMSE 3.09、MAPE 2.20%、Pearson r 0.858；主 9 电芯 RUL MAE 11.57±9.65 cycles、RMSE 12.49±9.38、R² 0.746，名义 95% MCD 区间实际覆盖率为 76.7%。
• HNEI 的 60% interior 缺失 RUL MAE 为 31.97±1.27，完整容量参考为 31.94±1.38；early 位置 MAP-GAN 为 30.43±0.85。区间偏窄，作者的约 1.3 倍宽度膨胀只是本评估集的事后分析。

泄漏风险、复现性与局限性

• 泄漏风险： 中；按电芯训练/测试隔离较好，但主任务使用缺失块两侧上下文，且外部 HNEI split 可重复使用电芯。还需检查 latent inversion、归一化和 MCD 校准是否只用训练/验证信息。
• 复现性： 中等偏高。全文给出 PyTorch/NumPy 版本、seed 44、训练预算、超参数和 HNEI Battery Archive 来源；主 9 电芯数据因授权不可公开，作者称 seeds/checkpoints 已释放但公开链接未能确认。
• 局限性： ① univariate 容量序列，尚未覆盖多传感器 BMS；② 训练策略假定部署缺失模式相对固定；③ 主实验规模只有 9 个电芯，严格因果、现场噪声和更多化学体系仍待验证。

是否值得跟进

• 结论： 强烈跟进。
• 理由与下一步： 这是本批唯一全文可核验且同时覆盖缺失重建、RUL、外部验证和不确定性校准的工作，适合做缺失数据鲁棒性 benchmark。下一步下载 HNEI 数据复现 20/40/60% 和 early/late 场景，分离双向插值与严格 causal 设定，并核对作者代码/模型 checkpoint。