ARMAX-based capacity fade estimation for lithium-ion cells across state-of-charge and temperature variations
Gianluca Brando、Pasquale Franzese、Diego Iannuzzi、Mattia Ribera、Anna G. Stefanopoulou
1. ARMAX-based capacity fade estimation for lithium-ion cells across state-of-charge and temperature variations
论文基本信息
| 字段 | 内容 |
|---|---|
| DOI/URL/PDF | DOI/出版社入口；ScienceDirect 页面；PDF |
| 发现来源 | source_history=OpenAlex；OpenAlex 题录与摘要；Crossref API 作题录交叉核验 |
| 期刊/会议/平台 | Journal of Energy Storage，volume 181，article 124345；Crossref 类型为 journal-article，Elsevier coredata 标记为开放获取 |
| 发表日期 | 2026-09-04：OpenAlex publication_date、Crossref created 与 OA 许可起始日；Crossref 印刷卷期和 Elsevier coverDate 为 2026-12-15，存在 online/issue 日期差异 |
| 作者/机构 | Gianluca Brando、Pasquale Franzese、Diego Iannuzzi、Mattia Ribera、Anna G. Stefanopoulou；OpenAlex 机构为 University of Naples Federico II、University of Michigan |
| 通讯作者 | Diego Iannuzzi；OpenAlex is_corresponding=true |
| 脚本评分/证据等级 | 77；命中 capacity fade/SOH、锂离子电池、核心储能期刊和 open access；摘要级 |
| 核验路径 | pdf_url → web_extract 失败；ScienceDirect URL → 失败；DOI → 失败；OpenAlex API → 成功取得摘要/作者/机构；Crossref API → 成功取得题录/日期；Elsevier TDM XML → HTTP 200 但仅有 coredata、无正文 |
纳入理由与原文证据
- 主题/边界： 题名和摘要直接针对 lithium-ion battery 的 capacity fade 与 SOH estimation，属于容量衰减/健康状态估计主任务，不是材料合成或调度控制。
- 证据： ① 摘要称其为 “ARMAX-based framework for State-of-Health (SoH) estimation ... using short-duration impulse-response characterization”：OpenAlex 摘要。② 摘要称使用 “independent NMC and LFP datasets”，并覆盖低温、高倍率和驾驶循环：同一摘要。
数据集/电池体系
- 体系/数据： 可确认锂离子电池、NMC 与 LFP 两类独立数据；数据集名称、样本量、电芯数量、采样频率和是否公开未说明。
- 工况/跨域： 摘要覆盖不同 SoC、SoH、温度、C-rate、DoD、低温、高倍率及代表性驾驶循环；具体温度/倍率范围、按电芯或批次隔离、跨化学体系泛化协议未能确认。
EOL/RUL/SOH 定义
- 目标/定义： 输出为 SoH/容量衰减估计；摘要未说明 SoH 的容量基准、EOL 阈值、单位、标签生成方式，也未确认输出 RUL/EOL。
- 未来信息风险： 需检查多维 LUT 和多项式曲面是否用到了测试轨迹或完整老化历史，以及短时脉冲响应参数校准是否与测试条件发生信息交叉；当前不能据摘要判定泄漏。
模型方法
- 流程： 短时 impulse-response → 三阶等效电路模型参数 → 多维 LUT 与多项式超曲面插值 → SEP 的穷举 LUT 搜索或 GoF 局部优化 → SoH 估计；摘要未给出完整 baseline/消融。
- 部署： 已确认在 Texas Instruments F28379D 嵌入式平台上评估实时 BMS 计算需求；延迟、内存、功耗和具体参数量未能确认。
验证设计
- 划分/泛化： 摘要明确使用独立 NMC/LFP 数据，并覆盖多工况与驾驶循环；训练/测试切分、外部数据隔离和是否按电芯留出未说明。
- 可信度： 中（摘要级）。独立数据与嵌入式评估是正面信号，但缺少样本规模、切分和误差分布，不能据此确认跨电芯泛化。
指标与结果
- 摘要报告在所考虑运行范围内 SoH 估计误差通常低于 5%，但未说明误差指标、测试集、均值/最大值和置信区间。
- 摘要称相较 data-driven approaches 需要显著更少训练数据；这是定性比较，未能确认训练样本量或统计检验。
- 未能确认 RUL/EOL 预测指标；脚本评分 77 不是实验结果。
泄漏风险、复现性与局限性
- 泄漏风险： 信息不足；重点核对 LUT 参数是否由全部老化轨迹拟合、低温/高倍率条件是否同时进入校准和测试，以及驾驶循环是否真正独立。
- 复现性： 信息不足。OA/CC BY 与嵌入式平台信息已确认，但数据、代码、超参数、初始化和完整硬件配置未能确认。
- 局限性： ① 当前只有摘要，SoH 定义和误差细节未知；② 没有确认 RUL/EOL 能力；③ NMC/LFP 的具体电芯、老化路径和外部验证范围未知。
是否值得跟进
- 结论： 强烈跟进。
- 理由与下一步： 该文把短时诊断、物理等效模型和端侧实现结合，最接近可落地的 SOH benchmark。优先获取 PDF，核对阈值、LUT 校准/测试隔离、误差分位数、F28379D 资源，再在哥哥的 NMC/LFP 数据上复现并比较数据驱动基线。
查看关键词分类依据
- SOH estimation · 摘要包含「soh」
n ARMAX-based framework for State-of-Health (SoH) estimation of lithium-ion batteries using short-duration impulse-response char - Capacity fade / trajectory prediction · 标题包含「capacity fade」
ARMAX-based capacity fade estimation for lithium-ion cells across state-of-charge and temperature variati - Generic neural network / deep learning · 摘要包含「data-driven」
uiring significantly less training data than data-driven approaches. The proposed framework provides an effective trade-off between esti - ECM / electrochemical model · 摘要包含「equivalent circuit」
ynamics are identified through a third-order equivalent circuit model whose parameters are estimated under different SoC, SoH, temperature, C-r - Self-built / experimental dataset · 摘要包含「experimental」
parameter space. The proposed methodology is experimentally validated using independent NMC and LFP datasets, including different aging t - Li-ion / LIB · 标题包含「lithium-ion」
ARMAX-based capacity fade estimation for lithium-ion cells across state-of-charge and temperature variations - LFP / LiFePO4 · 摘要包含「lfp」
mentally validated using independent NMC and LFP datasets, including different aging trajectories, low-temperature conditions, h - NMC · 摘要包含「nmc」
s experimentally validated using independent NMC and LFP datasets, including different aging trajectories, low-temperature condi