EIS 数据驱动锂离子电池 SoH 与 RUL 估计综述
比利时布鲁塞尔自由大学 MOBI-Electromobility Research Centre 发布综述，系统梳理基于 EIS 的数据驱动 SoH 与 RUL 估计方法。文章先归类从 EIS 谱中提取性能指标的特征工程方法，再对数据驱动估计技术分类并比较不同算法表现，总结常用机器学习与深度学习算法、关键性能指标及与电池健康强相关的直接和间接特征。该综述旨在为后续研究选择建模策略提供参考。
#EIS
#EIS
今日 0 条Zenodo · battery 数据与软件AI 评分4040
Renewable and Sustainable Energy ReviewsAI 评分4545 数据驱动 EIS 方法用于锂离子电池 SoH 与 RUL 估计的综合综述
一篇发表于 Renewable and Sustainable Energy Reviews 的综述系统梳理了数据驱动的电化学阻抗谱（EIS）方法在锂离子电池健康状态（SoH）与剩余使用寿命（RUL）估计中的应用。
Advanced MaterialsAI 评分2424 综述：ToF-SIMS 多维解析电池材料表面与界面
综述指出，ToF-SIMS 凭借 ppm-ppb 级表面灵敏度、横向 < 50 nm 与深度 < 1 nm 的空间分辨率及高质量分辨率，可对电极-电解质界面（EEI）进行多维表征。