Adaptive Fusion SOH Assessment of Lithium-Ion Batteries Based on EIS Multi-Band Features

6. Adaptive Fusion SOH Assessment of Lithium-Ion Batteries Based on EIS Multi-Band Features

论文基本信息

字段	内容
DOI/URL/PDF	出版社 PDF；文章页
发现来源	OpenAlex；Crossref；JCEIM 出版页面与全文 PDF
期刊/会议/平台	Journal of Computing and Electronic Information Management，22(1)，49–51 页
发表日期	2026-07-23，出版社页面与 Crossref
作者/机构	Chao Li、Shunli Han、Luo Zhao、Zunheng Yang、Fei Li；National Key Laboratory of Science and Technology on Electronic Test and Measurement、CETC 第 41 研究所
通讯作者	未能确认；首页将 Chao Li 标星，但可读文本未保留星号释义
脚本评分/证据等级	50；SOH 目标、EIS 及双模型融合；全文级
核验路径	payload PDF_url 首次尝试成功读取正文；交叉核对文章页、DOI 与 Crossref 元数据

纳入理由与原文证据

• 主题/边界： 直接估计电池 SOH，符合健康预测范围；不是 RUL/EOL 预测。全文称融合模型用于在线健康评估。
• 证据： 论文报告 314 Ah LiFePO4 多温度循环实验和全寿命 SOH 误差低于 5%；出版社 PDF 可核对算法、测试表及数据说明。

数据集/电池体系

• 体系/数据： 314 Ah 方形 LiFePO4 电芯；实验温度 5°C、25°C、55°C。特征使用 10–1000 Hz 中高频 EIS 的平均阻抗、阻抗比、SOC 与环境温度；真实 SOH 标签据称来自静态容量标定。样本电芯数量未报告，下载数据不可用。
• 工况/跨域： 多温度全寿命测试；倍率、循环协议与独立电芯数未能确认。

EOL/RUL/SOH 定义

• 目标/定义： 输出 SOH；论文将结果范围限制在 75%–100%，并以 95% SOH 区分融合权重。该 75% 下限是文中建模范围，不等价于所有场景的统一 EOL。
• 未来信息风险： 标准化参数据称来自训练集，但幂律系数由多温度老化数据标定；未说明留出电芯与测试时点，需排查测试数据参与参数拟合。

模型方法

• 流程： 四维输入经 Z-score 标准化；一支为按 Pearson 权重与协方差调整的 Mahalanobis-KNN，另一支为幂律容量衰减模型；SOH≥95%时权重 0.7/0.3，低于 95%时为 0.4/0.6。
• 部署： 文章提出嵌入式 EIS/BMS 场景，但未给出硬件实测、计算时间或资源占用。

验证设计

• 划分/泛化： 比较 KNN、幂律与融合模型，在 5/25/55°C 试验；未报告训练/测试集划分、按电芯留出或外部验证。
• 可信度： 低至信息不足。虽然可读全文，但样本数和隔离验证缺失；正文仅列 20 行温度/SOC/SOH 示例结果。

指标与结果

• 作者报告融合 RMSE<5%，单独 Mahalanobis-KNN 为 6.2%，单独幂律模型为 5.8%；声称在多温度测试稳定。由于切分和样本量缺失，这些数字不能视为独立泛化性能。

泄漏风险、复现性与局限性

• 泄漏风险： 信息不足偏高；虽声明标准化用训练集统计量，仍需确认幂律参数拟合范围和测试电芯隔离。
• 复现性： 低；出版社页面显示数据尚未提供，K 值、完整数据、代码与随机种子未见。
• 局限性： 只有单一大容量 LiFePO4 体系；无清晰样本量与独立测试；PDF 中阻抗比符号（R10/100 与 R10/1000）不一致，若干参考文献 DOI 也与题名对不上。

是否值得跟进

• 结论： 观望。
• 理由与下一步： 可关注 EIS 特征与机理模型分段融合，但当前证据不支持部署结论。应索取原始数据、按电芯重做留出验证，并检查文献引用与特征公式。