Leakage-Controlled Grouped Validation and Interval-Safety Calibration for RUL/SOH Prediction Using Engine, Battery, and Bearing Degradation Data

4. Leakage-Controlled Grouped Validation and Interval-Safety Calibration for RUL/SOH Prediction Using Engine, Battery, and Bearing Degradation Data

论文基本信息

字段	内容
DOI/URL/PDF	DOI；MDPI 全文；PDF
发现来源	OpenAlex；MDPI 文章页全文可访问
期刊/会议/平台	Machines，2026, 14(10), 1124
发表日期	MDPI 页面：2026-09-30；OpenAlex 同日
作者/机构	Adel BenAbdennour；Electrical Engineering Department, College of Engineering, Islamic University of Madinah, Saudi Arabia
通讯作者	通讯作者：Adel BenAbdennour（payload 结构化字段；抓取正文未显示独立 correspondence 标注）
脚本评分/证据等级	65；命中 RUL/SOH、NASA dataset、开放获取；全文级
核验路径	pdf_url 未由 payload 提供；DOI 抓取失败；MDPI 文章页成功，获取题录、摘要和正文主要方法/结果

纳入理由与原文证据

• 主题/边界： 直接处理电池 RUL/SOH 预测的验证安全、分组划分和区间校准，虽同时包含发动机与轴承，但电池数据和 NASA Battery 是明确子任务。
• 证据： 论文指出低平均误差仍可能在 intervention threshold 附近低估退化；其 gate 要求 coverage 至少 0.90、zero false-safe、zero interval-level intervention miss、underwarning 不高于 0.05。MDPI 全文

数据集/电池体系

• 体系/数据： NASA Battery 与 NASA C-MAPSS、PRONOSTIA/FEMTO、XJTU-SY、IMS 五类公开退化基准；电池化学体系和 NASA Battery 电芯数量需以表格进一步核对。
• 工况/跨域： 每个数据集采用 30 个预定义 grouped seeds；研究强调按物理资产分组，而非把同一轨迹的行随机分散。

EOL/RUL/SOH 定义

• 目标/定义： 研究同时评估 RUL、SOH、预测区间和 maintenance-decision zones；摘要未给出电池专属 EOL 阈值，不能套用常见 80% SOH。
• 未来信息风险： 正文明确检查 RUL 列、目标衍生健康变量、cycle order、future-derived features 与 file-path metadata；但选择只在合格候选中进行，gate 结果仍是 selection-conditioned。

模型方法

• 流程： 数据集特定候选模型池 → 按资产分组的泄漏检查与重复验证 → 先过区间安全 gate，再按区间宽度/点误差筛选。论文不是提出单一通用网络，而是提出可跨资产复用的验收协议。
• 部署： 关注 maintenance intervention 与 urgent/critical 区域；在线延迟、车端算力和部署接口未说明。

验证设计

• 划分/泛化： 5 个数据集、每个 30 个 grouped seeds，共 150 个 dataset-seed cases；正文还报告 26,910 次候选评估。NASA Battery 的分组验证比 row-wise split 更接近按电芯泛化。
• 可信度： 高（方法与全文结果可审计），但跨资产合并的安全 gate 仍不能替代每个具体 BMS 的外部现场验证。

指标与结果

• 主 gate：global 与 urgent/critical coverage ≥0.90、false-safe=0、interval-level intervention miss=0、underwarning≤0.05。
• 加强 gate：mean interval width ≤0.50、nonurgent lower-bound intrusion≤0.10；IMS、PRONOSTIA/FEMTO、XJTU-SY 为 30/30 seeds，NASA Battery 为 24/30，C-MAPSS 为 8/30。NASA Battery 与 C-MAPSS 仍出现 point-level intervention misses。

泄漏风险、复现性与局限性

• 泄漏风险： 低至中；分组策略和显式检查是优点，但候选筛选的 selection-conditioned 评价及点级漏警仍需警惕。
• 复现性： 中等；公开数据集和预定义 seeds 已明确，候选池、超参与代码可得性未从可访问内容完全确认。
• 局限性： 电池只是多资产之一；安全 gate 对 C-MAPSS 较难满足；经验覆盖不等同于逐资产保证。

是否值得跟进

• 结论： 强烈跟进。
• 理由与下一步： 它直接补足寿命预测中常被忽视的 false-safe 与分组泄漏问题。下一步下载正文表格，抽取 NASA Battery 的特征、候选模型、区间算法和 seed 配置，并在现有 benchmark 上复现主/加强 gate。